Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Skapandefunktioner för 2D-Arrayer | NumPy Grunder
Ultimata NumPy

Svep för att visa menyn

book
Skapandefunktioner för 2D-Arrayer

På samma sätt som för 1D-arrayer har NumPy skapandefunktioner för 2D-arrayer. Vi kommer att täcka den vanligaste, eye()-funktionen.

eye()

Funktionen numpy.eye() skapar en matris i formatet av en 2D-array där elementen med lika rad- och kolumnindex är 1, medan alla andra element är 0.

De två viktigaste parametrarna är N och M, som specificerar antalet rader respektive kolumner. Parametern M är valfri, så du kan bara ange N för att skapa en kvadratisk NxN-matris.

1234567
import numpy as np # Creating a 2x2 identity matrix identity_matrix = np.eye(2) print(f'2x2 identity matrix:\n{identity_matrix}') # Creating a 4x3 matrix with np.eye() rectangular_matrix = np.eye(4, 3, dtype=np.int8) print(f'4x3 matrix:\n{rectangular_matrix}')
copy

I vårt exempel skapade vi en identitetsmatris genom att endast ange N-parametern och en rektangulär matris genom att ange både N och M. Vi satte också dtype till np.int8 för den rektangulära matrisen, vilket kan vara användbart när man arbetar med endast heltal (np.float64 är standardvärdet för dtype).

De resulterande 2D-arrayerna ser ut som följer:

När det gäller tillämpningar används eye()-funktionen främst för att skapa identitetsmatriser för specifika linjär algebra operationer och för att initiera matriser i maskininlärningsalgoritmer.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för matrix för att skapa en matris där elementen med lika radindex och kolumnindex är 1, medan alla andra element är 0.
  2. Ange de första två argumenten så att matrix är en 5x2 matris.
  3. Sätt datatypen för matrix-elementen till np.int8.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 5

Fråga AI

expand
ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

book
Skapandefunktioner för 2D-Arrayer

På samma sätt som för 1D-arrayer har NumPy skapandefunktioner för 2D-arrayer. Vi kommer att täcka den vanligaste, eye()-funktionen.

eye()

Funktionen numpy.eye() skapar en matris i formatet av en 2D-array där elementen med lika rad- och kolumnindex är 1, medan alla andra element är 0.

De två viktigaste parametrarna är N och M, som specificerar antalet rader respektive kolumner. Parametern M är valfri, så du kan bara ange N för att skapa en kvadratisk NxN-matris.

1234567
import numpy as np # Creating a 2x2 identity matrix identity_matrix = np.eye(2) print(f'2x2 identity matrix:\n{identity_matrix}') # Creating a 4x3 matrix with np.eye() rectangular_matrix = np.eye(4, 3, dtype=np.int8) print(f'4x3 matrix:\n{rectangular_matrix}')
copy

I vårt exempel skapade vi en identitetsmatris genom att endast ange N-parametern och en rektangulär matris genom att ange både N och M. Vi satte också dtype till np.int8 för den rektangulära matrisen, vilket kan vara användbart när man arbetar med endast heltal (np.float64 är standardvärdet för dtype).

De resulterande 2D-arrayerna ser ut som följer:

När det gäller tillämpningar används eye()-funktionen främst för att skapa identitetsmatriser för specifika linjär algebra operationer och för att initiera matriser i maskininlärningsalgoritmer.

Uppgift

Swipe to start coding

  1. Använd rätt funktion för matrix för att skapa en matris där elementen med lika radindex och kolumnindex är 1, medan alla andra element är 0.
  2. Ange de första två argumenten så att matrix är en 5x2 matris.
  3. Sätt datatypen för matrix-elementen till np.int8.

Lösning

Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 5
Switch to desktopByt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan
Vi beklagar att något gick fel. Vad hände?
some-alt