精华内容
下载资源
问答
  • np.eye()函数

    2021-09-13 11:12:39
    a=np.eye(3) >>> print(a) [[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]] >>> a=np.eye(4,k=1) >>> print(a) [[0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.] [0. 0. 0. 0.]] >>> a=...
    import numpy as np
    >>> a=np.eye(3)
    >>> print(a)
    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    >>> a=np.eye(4,k=1)
    >>> print(a)
    [[0. 1. 0. 0.]
     [0. 0. 1. 0.]
     [0. 0. 0. 1.]
     [0. 0. 0. 0.]]
    >>> a=np.eye(4,k=-1)
    >>> print(a)
    [[0. 0. 0. 0.]
     [1. 0. 0. 0.]
     [0. 1. 0. 0.]
     [0. 0. 1. 0.]]
    >>> a=np.eye(4,k=2)
    >>> print(a)
    [[0. 0. 1. 0.]
     [0. 0. 0. 1.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]
    >>> a=np.eye(4,k=3)
    >>> print(a)
    [[0. 0. 0. 1.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]
    >>> a=np.eye(4,k=-3)
    >>> print(a)
    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [1. 0. 0. 0.]]
    >>> a=np.eye(4,k=-2)
    >>> print(a)
    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [1. 0. 0. 0.]
     [0. 1. 0. 0.]]
    
    展开全文
  • python | np.eye()函数

    千次阅读 2020-09-16 23:40:39
    a = np.eye(3) print(a) 结果: 如果要读取第二行,则写作:np.eye(3)[1] ,结果为:[0,1,0] 作用2:形成one-hot编码 import numpy as np x = np.array([1,2,0,1,2]) a = np.eye(3)[x] print(a) 结果: ...

    作用1:生成对角阵,主对角线上元素为1,其余位置均为0

    import numpy as np
    a = np.eye(3)
    print(a)

    结果:

    如果要读取第二行,则写作:np.eye(3)[1] ,结果为:[0,1,0]

    作用2:形成one-hot编码

    import numpy as np
    x = np.array([1,2,0,1,2])
    a = np.eye(3)[x]
    print(a)

    结果:

     【后记】:python一行代码可以做很多事,没有经过系统学习,遇到很多问题,看都看不懂,还是要遇到一点问题就解决一点问题,渐渐的经验积累多了,经常用着,就熟悉了。

    展开全文
  • np.zeros() np.ones() np.eye()用法

    千次阅读 2019-11-22 00:18:20
    np.zeros() np.zeros()构造全为0的矩阵 import numpy as np np.zeros((3)) array([0., 0., 0.]) np.zeros((3,4)) array([[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]]) np.ones() np.ones()构造全为1....

    np.zeros()

    np.zeros()构造全为0的矩阵

    import numpy as np
    np.zeros((3))
    array([0., 0., 0.])
    np.zeros((3,4))
    array([[0., 0., 0., 0.],
           [0., 0., 0., 0.],
           [0., 0., 0., 0.]])
    

    np.ones()

    np.ones()构造全为1的矩阵

    import numpy as np
    np.ones((3))
    array([1., 1., 1.])
    np.ones((3,4))
    array([[1., 1., 1., 1.],
           [1., 1., 1., 1.],
           [1., 1., 1., 1.]])
    

    np.eye()

    np.eye()构造一个二维2的数组(N,M),对角线的地方为1,其余的地方为0.
    函数的原型:numpy.eye(N,M=None,k=0,dtype=<class ‘float’>,order=‘C)
    参数介绍:
    (1)N:int型,表示的是输出的行数
    (2)M:int型,可选项,输出的列数,如果没有就默认为N
    (3)k:int型,可选项,对角线的下标,默认为0表示的是主对角线,负数表示的是低对角,正数表示的是高对角。
    (4)dtype:数据的类型,可选项,返回的数据的数据类型
    (5)order:{‘C’,‘F’},可选项,也就是输出的数组的形式是按照C语言的行优先’C’,还是按照Fortran形式的列优先‘F’存储在内存中

    import numpy as np
    np.eye(3)
    array([[1., 0., 0.],
           [0., 1., 0.],
           [0., 0., 1.]])
    np.eye(4,3)
    array([[1., 0., 0.],
           [0., 1., 0.],
           [0., 0., 1.],
           [0., 0., 0.]])
    np.eye(4,k=1)      
    array([[0., 1., 0., 0.],
           [0., 0., 1., 0.],
           [0., 0., 0., 1.],
           [0., 0., 0., 0.]])
    np.eye(4,k=-1)
    array([[0., 0., 0., 0.],
           [1., 0., 0., 0.],
           [0., 1., 0., 0.],
           [0., 0., 1., 0.]])
    
    展开全文
  • np.eye()和np.identity()

    万次阅读 多人点赞 2018-08-06 16:36:29
    今天在完成深度学习的相关编程作业的时候,发现代码中出现了一个关于np.eye()的函数,这个函数的用法非常的简单,但是在预制的代码中,这个函数的用法并非单单制造一个对角矩阵,而是通过其来将一个label数组,大小...

    今天在完成深度学习的相关编程作业的时候,发现代码中出现了一个关于np.eye()的函数,这个函数的用法非常的简单,但是在预制的代码中,这个函数的用法并非单单制造一个对角矩阵,而是通过其来将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组。例如他可以将类别总数为6的labels=[1,2,3,0,1,1]的数组转化成数组[[0,1,0,0,0,0],[0,0,1,0,0,0],[0,0,0,1,0,0],[0,0,0,0,0,0],[0,1,0,0,0,0],[0,1,0,0,0,0]]这就是所谓的one-hot的形式。

    一、np.eye()

    函数的原型:numpy.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)

    返回的是一个二维2的数组(N,M),对角线的地方为1,其余的地方为0.

    参数介绍:

    (1)N:int型,表示的是输出的行数

    (2)M:int型,可选项,输出的列数,如果没有就默认为N

    (3)k:int型,可选项,对角线的下标,默认为0表示的是主对角线,负数表示的是低对角,正数表示的是高对角。

    (4)dtype:数据的类型,可选项,返回的数据的数据类型

    (5)order:{‘C’,‘F'},可选项,也就是输出的数组的形式是按照C语言的行优先’C',还是按照Fortran形式的列优先‘F'存储在内存中

    案例:(普通的用法)

    import numpy as np
    
    a=np.eye(3)
    print(a)
    
    a=np.eye(4,k=1)
    print(a)
    
    a=np.eye(4,k=-1)
    print(a)
    
    a=np.eye(4,k=-3)
    print(a)

    结果展示:

    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    [[0. 1. 0. 0.]
     [0. 0. 1. 0.]
     [0. 0. 0. 1.]
     [0. 0. 0. 0.]]
    [[0. 0. 0. 0.]
     [1. 0. 0. 0.]
     [0. 1. 0. 0.]
     [0. 0. 1. 0.]]
    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [1. 0. 0. 0.]]
    

    案例:(深度学习中的高级用法,将数组转成one-hot形式)

    import numpy as np
    
    labels=np.array([[1],[2],[0],[1]])
    print("labels的大小:",labels.shape,"\n")
    
    #因为我们的类别是从0-2,所以这里是3个类
    a=np.eye(3)[1]
    print("如果对应的类别号是1,那么转成one-hot的形式",a,"\n")
    
    a=np.eye(3)[2]
    print("如果对应的类别号是2,那么转成one-hot的形式",a,"\n")
    
    a=np.eye(3)[1,0]
    print("1转成one-hot的数组的第一个数字是:",a,"\n")
    
    #这里和上面的结果的区别,注意!!!
    a=np.eye(3)[[1,2,0,1]]
    print("如果对应的类别号是1,2,0,1,那么转成one-hot的形式\n",a)
    
    res=np.eye(3)[labels.reshape(-1)]
    print("labels转成one-hot形式的结果:\n",res,"\n")
    print("labels转化成one-hot后的大小:",res.shape)

    结果:

    labels的大小: (4, 1) 
    
    如果对应的类别号是1,那么转成one-hot的形式 [0. 1. 0.] 
    
    如果对应的类别号是2,那么转成one-hot的形式 [0. 0. 1.] 
    
    1转成one-hot的数组的第一个数字是: 0.0 
    
    如果对应的类别号是1,2,0,1,那么转成one-hot的形式
     [[0. 1. 0.]
     [0. 0. 1.]
     [1. 0. 0.]
     [0. 1. 0.]]
    labels转成one-hot形式的结果:
     [[0. 1. 0.]
     [0. 0. 1.]
     [1. 0. 0.]
     [0. 1. 0.]] 
    
    labels转化成one-hot后的大小: (4, 3)
    

    二、np.identity()

    这个函数和之前的区别在于,这个只能创建方阵,也就是N=M

    函数的原型:np.identity(n,dtype=None)

    参数:n,int型表示的是输出的矩阵的行数和列数都是n

    dtype:表示的是输出的类型,默认是float

    返回的是nxn的主对角线为1,其余地方为0的数组

    案例:

    import numpy as np
    
    a=np.identity(3)
    print(a)

    结果:

    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]

     

    展开全文
  • np.eye()应用实例

    2020-03-25 21:39:50
    a = np.eye(4) print(a) [[1. 0. 0. 0.] [0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.]] 2. a0 = np.eye(4,0) a1 = np.eye(4,1) a2 = np.eye(4,2) a3 = np.eye(4,3) print("a0 = " + str(a0)) print("a1 = " + str(...
  • 最近博主在研究kalman滤波,里面初始矩阵定义需要对角阵,于是查了一些资料,发现numpy中有一个eye函数可以达到这样的目的 np.eye(N,M=None,k=0,dtype=<class 'float'>,order='C) N表示输出的行数;M表示...
  • np.eye() 和 np.identity() 的理解

    千次阅读 2020-02-26 07:46:38
    np.eye,生成对角线的矩阵. 参数介绍: (1)N:int型,表示的是输出的行数 (2)M:int型,可选项,输出的列数,如果没有就默认为N (3)k:int型,可选项,对角线的下标,默认为0表示的是主对角线,负数表示的是低对...
  • python中np.eye()函数的使用

    千次阅读 2021-03-23 15:08:05
    numpy.eye(N,M=None, k=0, dtype=<type ‘float’>) 关注第一个第三个参数就行了 第一个参数:输出方阵(行数=列数)的规模,即行数或列数 第三个参数:默认情况下输出的是对角线全“1”,其余全“0”的方阵,...
  • np.eye()

    2020-01-08 18:26:58
    np.eye()的函数,除了生成对角阵外,还可以将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组。 例如它可以将类别总数为6的labels=[1,2,3,0,1,1]的数组转化成数组 [[0,1,0,0,0,0], [0,0,1,0,0,0],...
  • np.eye() 函数的原型:numpy.eye(N,M=None,k=0,dtype=<class ‘float’>,order=‘C) 返回的是一个二维2的数组(N,M),对角线的地方为1,其余的地方为0. 参数介绍: (1)N:int型,表示的是输出的行数 (2)M:...
  • 一、np.eye() 得到一个二维2的数组(N,M),对角线的地方为1,其余的地方为0. 可选参数: (1)N:int型,输出的行数 (2)M:int型,输出的列数,如果没有就默认为N (3)k:int型,可选项,对角线的下标,默认...
  • 1 常用函数 判断: 同时满足两个条件: my_array = arange(10) np.where((my_array > 3) & (my_array < 7)) 满足其中一个条件: res = np.where(np.logical_or(mask == 120, mask == 180), 1, 0) ...
  • np.eye()的函数,这个函数的用法非常的简单,但是在预制的代码中,这个函数的用法并非单单制造一个对角矩阵,而是通过其来将一个label数组,大小为(1,m)或者(m,1)的数组,转化成one-hot数组 ...
  • np.max(), np.maximum(), np.argmax()

    千次阅读 2019-11-09 14:29:14
    np.max:接受一个参数,返回对应的最大值; np.argmax:接受一个参数,返回最大值对应的索引; np.maximum:接受两个参数,对应数学中的max操作 import numpy as np a = [-10, -3, -2, 0, 7, 2, 3] b = np.max(a) c...
  • np.repeat() 和 np.tile() 两个函数都能实现对矩阵进行复制操作; 其不同在于: np.repeat() 函数实现的是对矩阵按照行或者列,对其中的某一行(列)复制N次,接着复制下一行(列),知道矩阵的每一行(列)复制结束...
  • numpy之np.set_printoptions

    千次阅读 2019-08-09 10:46:31
    np.set_printoptions(threshold=np.inf) Z = np.eye((100)) print(Z) 尝试各种办法,令threshold=np.inf即可,网上其他方法试过不可行。
  • numpy.eye()函数简单使用 numpy.eye(N,M =无,k = 0,dtype = <class’flove’>,order =‘C’ ) 返回一个二维数组,其中对角线为1,零点为零。 参数: N : int 输出中的行数。 M : int,可选 输出中的列...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 8,163
精华内容 3,265
关键字:

np.eye()函数