Python numpy(np)创建空的字符串数组、矩阵。解决数组中每个元素仅保留单个字符,无法完整填入字符串。
bash
matrix1=np.zeros(shape=(31,22)).astype(np.str_)
matrix1[matrix1 == '0.0'] = ''
1.reshape()方法
作用是将数据按照指定的维度重新组织并返回。也就是reshape(行,列)可以根据指定的数值将数据转换为特定的行数和列数,就是转换。
例:
reshape(1,-1)
也就是转换为1行,列数不指定,让系统自动计算
reshape(-1,1)
也就是转换为1列,行数不指定,让系统自动计算
2.np.linalg.norm()
用于求范数
linalg本意为linear(线性) + algebra(代数),norm则表示范数。
bash
np.linalg.norm(x, ord=None, axis=None, keepdims=False)
1.x: 表示矩阵(一维数据也是可以的~)
2.ord: 表示范数类型
-
ord=1:表示求列和的最大值
-
ord=2:|λE-ATA|=0,求特征值,然后求最大特征值得算术平方根 ord=∞:表示求行和的最大值
-
ord=None:表示求整体的矩阵元素平方和,再开根号
3.axis
参数 含义
0 表示按列向量来进行处理,求多个列向量的范数
1 表示按行向量来进行处理,求多个行向量的范数
None 表示整个矩阵的范数
4.keepdims:表示是否保持矩阵的二位特性,True表示保持,False表示不保持,默认为False
3. .shape的使用方法
shape[0]
读取矩阵第一维度的长度,即数组的行数
shape[1]
读取矩阵第二维度的长度,即数组的列数
对于二维张量,shape[0]代表行数,shape[1]代表列数,同理三维张量还有shape[2]
一般来说,-1代表最后一个,所以shape[-1]
代表最后一个维度,如在二维张量里,shape[-1]表示列数
bash
import numpy as np
k = np.matrix([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
print(np.shape(k)) # 输出(3,4)表示矩阵为3行4列
print(k.shape[0]) # shape[0]输出3,为矩阵的行数
print(k.shape[1]) # 同理shape[1]输出列数