如何在numpy矩阵中添加新维度
在numpy矩阵中添加新维度可以使用reshape函数或者newaxis关键字。
- 使用reshape函数： numpy的reshape函数可以改变数组的形状，包括添加新维度。可以通过指定新的形状参数来实现在numpy矩阵中添加新维度。例如，假设有一个2x3的矩阵arr，我们想要在其后添加一个新的维度，可以使用reshape函数进行操作：
- 使用reshape函数： numpy的reshape函数可以改变数组的形状，包括添加新维度。可以通过指定新的形状参数来实现在numpy矩阵中添加新维度。例如，假设有一个2x3的矩阵arr，我们想要在其后添加一个新的维度，可以使用reshape函数进行操作：
- 在上述代码中，reshape函数的参数(2, 3, 1)表示将原始矩阵arr的形状改变为2行3列1深度的矩阵，即添加了一个新的维度。
- 使用newaxis关键字： numpy的newaxis关键字可以用于在现有数组中插入一个新的轴。可以通过将newaxis关键字放置在所需位置来实现在numpy矩阵中添加新维度。例如，假设有一个2x3的矩阵arr，我们想要在其后添加一个新的维度，可以使用newaxis关键字进行操作：
- 使用newaxis关键字： numpy的newaxis关键字可以用于在现有数组中插入一个新的轴。可以通过将newaxis关键字放置在所需位置来实现在numpy矩阵中添加新维度。例如，假设有一个2x3的矩阵arr，我们想要在其后添加一个新的维度，可以使用newaxis关键字进行操作：
- 在上述代码中，通过在索引操作中使用newaxis关键字，将新的维度添加到arr矩阵的最后一个维度上。
无论是使用reshape函数还是newaxis关键字，都可以在numpy矩阵中添加新维度。这样做的好处是可以方便地进行多维数组的计算和操作，例如在深度学习中处理图像数据时，可以将图像数据表示为三维或四维的矩阵，方便进行卷积等操作。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云产品：云服务器 CVM（https://cloud.tencent.com/product/cvm）
- 腾讯云产品：云数据库 TencentDB（https://cloud.tencent.com/product/cdb）
- 腾讯云产品：人工智能 AI（https://cloud.tencent.com/product/ai）
- 腾讯云产品：物联网 IoT Explorer（https://cloud.tencent.com/product/iothub）
- 腾讯云产品：移动开发移动推送 TPNS（https://cloud.tencent.com/product/tpns）
- 腾讯云产品：存储对象存储 COS（https://cloud.tencent.com/product/cos）
- 腾讯云产品：区块链腾讯区块链服务 TBCAS（https://cloud.tencent.com/product/tbcs）
- 腾讯云产品：元宇宙腾讯元宇宙服务 TME（https://cloud.tencent.com/product/tme）
相关·内容
1回答
我使用的是Numpy，我有一个7x12x12的矩阵，我想用12x12的块填充7次。假设我有这样的12x12矩阵：
first_Matrix
second_Matrix
third_Matrix
... (etc)
seventh_Matrix = first_Matrix + second_Matrix + third_Matrix...
我想补充的是：
grand_Matrix
我该怎么做呢？我假设有一种比循环更好的方法将坐标从一个矩阵映射到下一个矩阵，如果没有，请写出将first_Matrix映射到grand_Matrix的第一个12x12元素的代码。
浏览 4提问于2012-06-14得票数 0
回答已采纳
1回答
我想知道如何从numpy中的2D数组中删除第一行和最后一列。例如，假设我们有一个名为H的(N+1) x (N+1)矩阵，那么在MATLAB/Octave中，我使用的代码将是：
Hsub = H(2:N,2:N);
在Numpy中对应的代码是什么？我认为可能会做我想做的事情，但我不确定如何让它只删除目标行，因为我认为如果我重塑成一个(N-1) x (N-1)矩阵，它将删除最后两行和最后两列。
浏览 0提问于2015-03-21得票数 11
回答已采纳
1回答
你好，我有一个叫做tfidf2的矩阵，这个矩阵的形状是( 11159,1985年)，它有11159行和1985年的列，我想把一个新的矩阵连接到这个矩阵，这个矩阵叫做datesNumpy，它的形状是(11159，12)，它们有相同的行数，所以可以连接它，新矩阵的形状应该是tfidf3 (11159,1997年)，
import numpy as np
tfidf2 = tdf.transform(list_cluster)
print("Shape tfidf2",tfidf2.shape)
listAux=[]
for l in listMonth:
listA
浏览 3提问于2016-12-27得票数 1
回答已采纳
如果我有一个k个mxn矩阵，并将它们叠加在一起，那么结果是kxmxn还是mxnxk？在numpy中，这是前者，这是一种常见的习俗吗？
呃，
numpy.array([matrix1, matrix2, matrix3])
将给出(3，x，x)数组
浏览 4提问于2014-11-11得票数 1
回答已采纳
1回答
选择numpy数组的列
、、、、
对于选择NumPy数组的列，我有些困惑，因为结果不同于Matlab，甚至不同于NumPy矩阵。请参阅以下案例。
在Matlab中，我们使用以下命令从矩阵中选择列向量。
x = [0, 1; 2 3]
out = x(:, 1)
然后是[0; 2]，这是一个列向量。
使用(一个NumPy矩阵)做同样的事情
x = np.matrix([[0, 1], [2, 3]])
out = x[:, 0]
然后输出为期望的np.matrix([[0], [2]])，它是列向量。
然而，在NumPy数组的情况下
x = np.array([[0, 1], [2, 3]])
out = x[:, 0]
输出是
浏览 1提问于2016-04-01得票数 6
回答已采纳
2回答
我在numpy v中有一个一维数组.我想复制它以生成一个矩阵，每一行都是v的副本。这很简单：np.broadcast_to(v, desired_shape)。
但是，如果我想将v视为列向量，并将其复制成一个矩阵，而每个列都是v的副本，那么我就找不到一种简单的方法来实现它。通过反复试验，我能够做到这一点：
np.broadcast_to(v.reshape(v.shape[0], 1), desired_shape)
虽然这是可行的，但我不能声称理解它(即使是我写的！)
部分问题是，numpy似乎没有列向量的概念(因此出现了reshape攻击，而不是数学中的.T)。
但是，问题的一个更深的部
浏览 1提问于2017-06-30得票数 2
回答已采纳
假设我有一个清单的清单：
import numpy as np
ab=np.array([[1,2,3,4,5],[2,3,4,5,6],[3,4,5,3,6]])
现在假设我想要子矩阵，前两行和第1和第3列，我将这样做。
print(ab[0:2,[1,3]])
现在，如果我想要第0行和第2行以及第1和第3列，我会尝试：
print(ab[np.array([0,2]),np.array([1,3])])
但我得到了：
[3 6]
这是条目的明智搜索，而不是行和列的子矩阵。
你是怎么做到的？
浏览 10提问于2020-04-25得票数 0
回答已采纳
1回答
我在机器学习编码方面是新的，在Tensorflow编码方面完全是新的。
我正面临着使用Tensorflow索引的问题。在使用numpy的简单python中，这是相当容易的，但是在Tensorflow库中，我不知道如何制作它。
我不想在示例的每个类中应用softmax函数，而只在每一行的两个随机类中应用，并在特定索引(以前的随机类)的大矩阵(最初为零)中返回这些值。numpy中的算法更简单，因为可以使用简单的索引，但是在tensorflow中，我认为它是这样的：
给出了矩阵X:(NxD)、矩阵W:(KxD)和两个随机数在0到K-1之间的阵列rem_cl
S is an empty matrix
浏览 0提问于2016-11-01得票数 0
3回答
假设我有矩阵A和B。
A是一个三维数组/张量(？)。
[1,2,3,4]
[5,6,7,8]
[1,2,3,4]
[5,6,7,8]
比如说，有4个不同的二维矩阵，就像上面那个横跨第三维的矩阵。
B是一个矩阵。
[1,2,3,4]
在B中也有4个，每个都是相同的。
如何将每个向量相乘(？)B中的每个2d矩阵在A中。
[1,2,3,4]*[1,2,3,4]*[1;2;3;4]
[5,6,7,8]
[1,2,3,4]
[5,6,7,8]
将有四种上述类型的乘法来获得四个4x1向量。我已经用numpy尝试过了：
y = numpy.aran
浏览 6提问于2014-03-27得票数 1
1回答
我有两个矩阵A，B，NxKxD维，我想得到矩阵C，NxKxDxD维数，其中Cn，k= An，k，k.T (这里"x“表示维数Dx1和1xD的矩阵的乘积，所以结果必须是DxD维数)，所以现在我的代码看起来如下(这里A=B= X)：
def square(X):
out = np.zeros((N, K, D, D))
for n in range(N):
for k in range(K):
out[n, k] = np.dot(X[n, k, :, np.newaxis], X[n, k, np.newaxis, :])
浏览 0提问于2016-12-10得票数 0
简而言之:我需要加载多个2d numpy矩阵(大小不同)到一个numpy矩阵中。首先，我试图将它们作为矩阵的第3维加载，但是由于大小不同，这是不可能的。如果你能指导我怎么做，或者任何其他方便的解决方案，那就太好了。
更多描述:我从多个csv文件中读取数组，并将它们加载到numpy数组中。当已知csv文件的数量并且数组大小相同时，这是很容易的。但是，我需要对任意数量的不同大小的文件执行此操作。所以我想我可以使用numpy的结构化数组，但我做不到。
浏览 2提问于2013-10-13得票数 0
回答已采纳
2回答
添加不同维数的矩阵
、、、
在numpy和tensorflow中，如果较小矩阵的形状是较大矩阵的后缀，则可以添加不同维数的矩阵(或张量)。这是一个示例：
x = np.ndarray(shape=(10, 7, 5), dtype = float)
y = np.ndarray(shape=(7, 5), dtype = float)
对于这两个矩阵，运算x+y是以下操作的快捷方式：
for a in range(10):
for b in range(7):
for b in range(5):
result[a,b,c] = x[a,b,c] + y[b,c]
然而，在
浏览 4提问于2017-02-14得票数 5
回答已采纳
请问如何计算numpy中2个矩阵的某些轴的外积？例如：
A = np.arange(24).reshape(3,4,2,1)
B = np.arange(24).reshape(3,4,1,2)
我希望得到一个矩阵C：
C = some_function(A,B)
这样的话
C.shape: (3,4,2,2)
这意味着我只做最后两个轴的外积。
谢谢!
浏览 0提问于2020-02-19得票数 2
1回答
也许是一个简单的问题，但我使用的是numpy，并以迭代方式生成9x9x9矩阵。
我想对这些进行堆栈，所以我最终使用了Nx9x9x9，但是使用附加、堆栈和堆栈，它似乎是向量化一个维度，而不是将它们作为单独的对象添加。知道我该怎么做吗？
谢谢
浏览 4提问于2016-03-20得票数 2
回答已采纳
如何转换以下表单的numpy数组A
[[1,2]
[3,4]]
变成表格的B
[[[1,1,1],[2,2,2]]
[[3,3,3],[4,4,4]]]
这样我就可以用C做一个按元素计算的乘法。
[[[ 5, 6, 7],[ 8, 9,10]]
[[11,12,13],[13,15,16]]]
最初的问题是将标量与向量相乘，例如4 * [13,15,16]。但是，我没有标量矩阵，而是标量矩阵(A)，而不是向量，而是向量矩阵(C)。如果有一种方法不实际复制B中的值，我更愿意这样做(显然的for-循环可能太慢了)。
浏览 2提问于2013-10-23得票数 4
回答已采纳
假设你有一组k张量，为了简单起见，我们假设它们是2张量/矩阵：
X = rand(5,5); Y = rand(5,5);
有没有一种习惯用法将它们组合成一个3-张量，其中第一维索引矩阵？一种方法是
P(1,:,:) = X;
P(2,:,:) = Y;
现在，P具有所需的尺寸2x5x5。有没有更好的方法来做这件事？例如，在numpy中，可以简单地输入：
P = array((X,Y))
但是在matlab中，输入P=[X Y]或P=[X; Y]将分别得到10x5和5x10矩阵，而不是预期的2x5x5。
浏览 1提问于2011-08-07得票数 2
回答已采纳
4回答
不同形状NumPy数组的元素乘法
、、、、
当我使用numpy.multiply(a,b)将numpy数组与形状(2, 1),(2,)相乘时，我得到一个2乘2的矩阵。但我想要的是基于元素的乘法。
我不熟悉numpy的规则。有人能解释一下这里发生了什么吗？
浏览 0提问于2018-07-15得票数 0
当我以下列方式编写代码时：
from numpy import *
H = array([1,1])
Ht = transpose(H)
Ht
我得到了与H相同的矩阵，而不是H的转置。
但是，当我以如下方式改变矩阵H时：
from numpy import *
H = array(([1,1],[2,3]))
Ht = transpose(H)
Ht
我得到了H的转位。
我不明白这里发生了什么。它是使用转置函数的方式，还是定义矩阵的方式？
浏览 0提问于2018-08-26得票数 0
回答已采纳
2回答
我有两个(有时甚至更多)矩阵，我想把它们组合成一个张量。矩阵例如具有形状(100,400)，并且当它们组合时，它们应该具有维度(2,100,400)。
我该怎么做？我尝试了与从向量创建矩阵相同的方法，但这不起作用：
tensor = numpy.concatenate(list_of_matrixes, axis=0)
浏览 2提问于2015-06-23得票数 2
我有一个用numpy.random.uniform初始化的矩阵，如下所示：
W = np.random.uniform(-1, 1, (V,N))
在我的例子中，V = 10000和N = 50，x是一个正整数
当我把W乘以维数为VX1的热向量x_vec时，像W.T.dot(x_vec)一样，得到了形状为(50, 1 )的列向量。当我试图通过索引W得到相同的向量时，就像在W[x].T或W[x,:].T中一样，我得到了形状(50，)。
有谁能向我解释为什么这两个表达式返回不同的形状，如果可以用索引方法返回一个(50,1)矩阵(向量)。形状(50)的向量是有问题的，因为当我将它与其他矩阵相乘时，它
浏览 0提问于2017-02-05得票数 0
回答已采纳
3回答
我做了很多向量代数，并希望使用numpy数组来消除对循环的任何需要，并且运行得更快。
我发现，如果我有一个大小为N，P的矩阵，我经常需要使用np.array([A[:,0]).T来强迫A[:,0]成为大小的列向量(N,1)。
是否有方法将2D数组的单个行或列保持为2D数组，因为它使以下算法更容易执行。例如，我通常需要将列向量(从矩阵中)乘以行向量(也是从矩阵中创建)来创建一个新的矩阵：
C = A[:,i] * B[j,:]
如果我不用继续使用，那太好了：
C = np.array([A[:,i]]).T * np.array([B[j,:]])
它确实混淆了代码--在MATLAB中，它只是C
浏览 19提问于2021-12-16得票数 4
我使用它来迭代numpy矩阵的列：
import numpy as np
A = np.random.randn(4,3)
for c in A.T:
print c.shape # (4L,) => not a real column
c = np.array(c, ndmin=2).T
print c.shape # (4L, 1L) => OK
是否有更好的方法来迭代列，避免循环中的重新定义和双transpose**:** ( double )
for c in A.T:
c = np.array(c, ndmin=2).T
注:我已经
浏览 0提问于2018-11-15得票数 0
1回答
使用Doc2vec，我希望看到生成的矩阵中每个单词的影响。 有没有办法查看矩阵的详细表示，即矩阵的内容，以及每行和每列表示的主要内容？ 例如，这样我可以看到矩阵表示，但看不到列和行的描述： user_vector = model.infer_vector(doc_words=normalized_code, steps=500, alpha=0.025)
print ('user_vector',user_vector)
('user_vector', array([ 0.24641024, -0.34768087, 0.0
浏览 14提问于2019-08-25得票数 1
我试图根据第二个numpy向量中的值，对numpy矩阵中的每一行特定索引进行求和。例如，在图像中，有矩阵A和指数指数的向量。我想在这里总结一下：
A[0, inds[0]] + A[1, inds[1]] + A[2, inds[2]] + A[3, inds[3]]
我目前正在使用pythonfor循环，这使得代码非常慢。有什么方法可以用矢量化来完成吗？谢谢!
浏览 1提问于2022-02-13得票数 1
回答已采纳
11回答
我想把形状(5,)的向量重塑成形状(1, 5)的矩阵。
有了numpy，我就能做到：
>>> import numpy as np
>>> a = np.array([1, 2, 3, 4, 5])
>>> a.shape
(5,)
>>> a = np.reshape(a, (1, 5))
>>> a.shape
(1, 5)
>>> a
array([[1, 2, 3, 4, 5]])
但是我如何用PyTorch来完成这个任务呢？
浏览 27提问于2017-04-10得票数 70
回答已采纳
2回答
我对python很陌生，所以我习惯使用array[i][j]而不是array[i,j]。今天，我在教程中创建了一个脚本，直到我发现我正在使用
numpy.dot(P[0][:], Q[:][0])
而不是
numpy.dot(P[0,:], Q[:,0])
由于某种原因，第二种方法有效，而第一种方法给出了一个形状错误。矩阵维数为MxK和KxN。
我试图同时打印P[0][:]和P[0,:]，运行id()、type()和P[0][:].shape，但是找不到原因。为什么这些东西不一样？
我正在木星笔记本4.3.0和Python2.7.13上运行它。
浏览 5提问于2017-05-17得票数 6
回答已采纳
我很难想象标量、向量和矩阵是如何在数学/物理类中编写的，如何用普通的Python和numpy来表示它们，以及它们相应的尺寸、轴和形状的概念。
如果我有一个标量，比如说5
>>> b = np.array(5)
>>> np.ndim(b)
0
我有5的0维，但是这里的axes是什么？有ndim和shape的函数，但没有axes。
对于像这样的向量：
我们说我们在物理/数学类中有二维，因为它代表了一个2D向量，但是看起来numpy使用了一个不同的概念。
为什么ndim给1，shape给出维度是什么？
>>>
浏览 15提问于2022-02-02得票数 0
1回答
定心矩阵
、、
我想要编写一个函数，通过将输入数据矩阵与相乘，使其以输入数据矩阵为中心。该函数将从输入中减去逐行平均值。
我的代码：
import numpy as np
def centering(data):
n = data.shape()[0]
centeringMatrix = np.identity(n) - 1/n * (np.ones(n) @ np.ones(n).T)
data = centeringMatrix @ data
data = np.array([[1,2,3], [3,4,5]])
center_with_matrix(data)
但是我得到了一个错误的结
浏览 8提问于2022-11-28得票数 2
回答已采纳
假设我有一个(c x d)矩阵的列表。比如说我有a。我对每个矩阵都有a系数。
在NumPy中是否有一种快速的方法，在保持张量数据结构的情况下，立即将每个矩阵乘以其系数，还是需要手动遍历一个for循环，即X = np.array([np.multiply(coefs[i], X[i]) for i in range(len(coefs))])。
即X.shape = (3, 4, 5)，coefs.shape = (3).
浏览 4提问于2014-12-23得票数 1
回答已采纳
1回答
在不使用循环的情况下，下面代码的等效numpy实现是什么？
dt = np.dtype(np.float32)
a=[[12,3],
[2,4],
[2,4],]
b=[[12,3,2,3],
[2,4,4,5]]
a=np.asarray(a,dtype=dt)
b=np.asarray(b,dtype=dt)
print(a.shape)
print(b.shape)
ainvb=np.zeros((3,2,4))
for i in range(4):
ainvb[:,:,i]=a/b[:,i].T
我需要做的是将"a“的列除以"b”的每一行。
浏览 2提问于2015-12-03得票数 0
回答已采纳
我不知道该怎么说。我确信有一个操作描述了我想要做的事情，我只是没有太多的操作图像数组的经验。
我有一个1s和0的2D数组(矩阵)，它指定一组像素是颜色255,255,255还是rbg中的颜色0,0,0。看起来这应该是一个简单的乘法。我应该能够用我的1s和0的矩阵来复制我的颜色，但是我尝试过的所有点积和矩阵乘法都失败了。
下面是一个简单的例子，我的2D numpy数组和
# 2D pixels array
[[0,1],
[1, 1]]
# rbg array
[[255,255,255]]
我想要的是下面的3D数组
[[[0,0,0],[255,255,255]],
[[255,255,
浏览 4提问于2021-03-12得票数 1
回答已采纳
2回答
我遇到了一个问题，我需要把熊猫的数据转换成一系列的列表。
示例：
import pandas as pd
df = pd.DataFrame([[1,2,3],[2,2,4],[3,2,4]])
我知道有as_matrix()函数，它在下面返回：
df.as_matrix():
# result:array([[1, 2, 3],
[2, 2, 4],
[3, 2, 4]])
但是，我需要这种格式的东西。
[array([[1], [2], [3]]),
array([[2], [2], [4]],
array([
浏览 3提问于2017-06-06得票数 3
回答已采纳
在numpy中，一些操作返回形状为(R, 1)的操作，但有些操作返回(R,)。这将使矩阵乘法更加繁琐，因为需要显式的reshape。例如，给定一个矩阵M，如果我们想要执行numpy.dot(M[:,0], numpy.ones((1, R)))，其中R是行数(当然，同样的问题也发生在列上)。我们将得到matrices are not aligned错误，因为M[:,0]是形状(R,)，而numpy.ones((1, R))是形状(1, R)。
所以我的问题是：
形状(R, 1)和(R,)有什么区别？我知道字面上是数字列表和列表列表，其中所有的列表都只包含一个数字。只是想知道为什么不设计nu
浏览 6提问于2014-02-26得票数 410
回答已采纳
from numpy import matrix
new = matrix([raw_input("enter element in matrix. . ")]) # add element from user
在c矩阵中从用户获取行和行大小如何使用numpy输入nxn矩阵
matrix([for i in row: for j in col: raw_input(add >data)])
浏览 3提问于2013-10-22得票数 0
回答已采纳
我有2个2d的numpy数组，A的形状(i，j)和B (i，k)，其中j >> k。我想定义一个新的三维数组C，使得C中的每个元素都是A中每个列与整个矩阵B的广播元素的乘积。换句话说，作为一个正常的python循环，我会这样做。
for x in range(j):
C[x] = A[:,x]*B
但是，在这种情况下，j是非常大的，如果我能够使用Numpy的功能来定义ndarray C元素，就像在上面的循环中那样，我将受益良多。
谢谢你的帮助
浏览 1提问于2018-07-09得票数 1
回答已采纳
2回答
from numpy import linalg
from numpy import matmul
M = [[2,1],[1,3]]
b = [[3],[-1]
Mb = []
nrows = 2
ncols = 2
for i in range(0,nrows):
sum = 0
for j in range(0,ncols):
sum = sum + M[i,j] * b[j]
Mb[?] = ?
print(Mb)
#这样做的目的是用一个循环来乘矩阵。在尝试运行时，我一直得到错误(python列表索引必须是整数而不是元组)。我
浏览 5提问于2022-04-01得票数 0
1回答
我正在寻找简单的稀疏向量实现，可以映射到内存中，类似于numpy.memmap。
不幸的是，numpy实现只处理全向量。示例用法：
vec = SparseVector('/tmp/file.dat') # SparseVector is the class I'm looking for
vec[10] = 10
vec[50] = 21
for key in vec:
print vec[key] # 10, 21
我创建了表示稀疏矩阵的scipy类，但是2维使用起来很笨拙，因为我需要制作只有一行的矩阵，然后使用vec[0,i]。
有什么建议吗？
浏览 0提问于2015-04-11得票数 3
1回答
三维张量的刻度行
、、、
我有一个n-by-3-by-3 numpy数组A和一个nby3 numpy数组B.现在，我想用相应的标量乘以n 3-by-3矩阵的每一行，即，
import numpy as np
A = np.random.rand(10, 3, 3)
B = np.random.rand(10, 3)
for a, b in zip(A, B):
a = (a.T * b).T
print(a)
在没有循环的情况下，能做到这一点吗？
浏览 6提问于2016-07-06得票数 0
回答已采纳
2回答
为了从list中获得一个numpy数组，我做了以下操作：
np.array([i for i in range(0, 12)])
并得到：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
然后，我想从这个数组中生成一个(4,3)矩阵：
np.array([i for i in range(0, 12)]).reshape(4, 3)
我得到了以下矩阵：
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
但是，如果
浏览 0提问于2018-06-07得票数 4
回答已采纳
1回答
的主要问题：是否在任何地方使用np.array([[1, 2, 3]])而不是np.array([1, 2, 3]) (可能在计算时间或内存方面)不好？
动机：
我来自数学背景，所以我喜欢用向量和矩阵来思考事物。例如，我认为y = np.array([1, 2, 3])是行向量，或者是1×3矩阵。然而，numpy并不像对待y的1×3矩阵。例如，如果我们取一个2X3矩阵，A = np.array([[1, 2, 3], [4, 5, 6]]) numpy将允许我们做矩阵乘法A @ y，即使维数是(2×3)倍(1×3)在数学上没有意义。
另一方面，即使维度(1X3)乘以(3X2)是有意义的，y @
浏览 3提问于2021-01-27得票数 1
回答已采纳
2回答
我有一些代码，它在输入数据矩阵上执行各种处理功能。输入数据可以是2、3或4D。
我需要从输入数据中删除n-1维矩阵进行处理，然后另一个矩阵接收这个处理过的数据。为了处理不同大小的输入数据，最好的方法是什么。
例如，目前我有以下形式的代码：
import numpy as np
if number_dims == 2:
output_matrix = np.zeros([size_dim1,final_size_dim2])
for i in range(0,dim1,1):
data_to_process = input_data[i,:]
output_ma
浏览 5提问于2016-03-12得票数 0
回答已采纳
如何在numpy中创建三维矩阵，如matlab a(:，:)。我尝试用numpy.array把matlab中创建3d矩阵的代码转换成python，但我不知道如何在numpy中创建3d矩阵/数组
浏览 6提问于2009-11-08得票数 26
2回答
我是Python的新手，目前正在编写一段代码，我想在其中存储一个3维矩阵的以前的迭代，它的一个版本是在for循环的每个步骤中创建的。我想要做的是连接一个新的维数为3+1=4的数组，该数组存储以前的值。现在，这可以通过连接来实现，我让它像这样工作：
import numpy as np
matrix = np.ones((1,lay,row,col), dtype=np.float32)
for n in range(100):
if n == 0:
# initialize the storage matrix
matrix_stored = mat
浏览 9提问于2017-08-10得票数 3
回答已采纳
2回答
我正在尝试提取我在数据库中的多个图像的描述符。所使用的方法给出了每个图像的关键点矩阵和描述符矩阵，所以我想将它们分组成一个单矩阵。
我试过一个循环：
kp_all = numpy.hstack((kp_all, kp))
des_all = numpy.hstack((des_all, des))
其中kp_all和des_all被正确初始化，因为它是第一个图像的描述符，所以我想将其他描述符连接到该矩阵中。给出的错误是：
ValueError: all the input array dimensions except for the concatenation
axis must matc
浏览 3提问于2016-12-24得票数 1
回答已采纳
1回答
我正在尝试使用numpy的“使用数组索引”功能。
鉴于这一守则：
import numpy as np
x = np.array([[10, 20, 30], [40, 50, 60]])
index = ???
print(x[index])
我想打印: 10，50
也就是说，我希望找到正确的形状数组，它将从矩阵中的两个连续行中提取。
index = np.array([0, 1])
index = np.array([[0], [1]])
都打印这个: 10，20和[10，20]
对于这些情况，所有索引行都被“广播”到目标的第一行。这毫无意义。从矩阵的连续行中索引正确的技术是什么？
浏览 1提问于2019-07-03得票数 0
回答已采纳
我有一个，从它加载原始矩阵。
文本文件有注释和#，它基本上有多个矩阵77*44。
我想阅读这个文件，并从这个完整数量的垫子中存储每个矩阵。
import os
import sys
import numpy as np
from numpy import zeros, newaxis
import io
#read the txt file and store all vaules into a np.array
f = open('/path/to/akiyo_cif.txt','r')
x = np.loadtxt(f,dtype=np.uint8,com
浏览 3提问于2016-02-09得票数 0
回答已采纳
1回答
我惊讶地发现，R的回收并不适用于更高的维度：
> str(Z)
num [1:5, 1:100, 1:10] 1.02 0.989 2.555 1.167 -0.835 ...
> str(w)
num [1:5, 1:100] 1.43 7.84 6.13 2.91 2.8 ...
> Z + w
Error in Z + w : non-conformable arrays
而我预计2d矩阵w会沿着Z的3维空间循环使用。对于维数类似于Z的最后2的矩阵w，我得到了同样的错误(就像numpy的广播规则一样)。我想，在循环使用R时，只需将每个数组按照维度的顺序(C样式)展平
浏览 0提问于2017-03-20得票数 2
2回答
压缩格式块对角矩阵的有效线性代数
、、、、
我有一个线性系统，其中所有的矩阵都是块对角的。它们的N块形状相同。
矩阵以压缩格式存储为具有形状(N, n, m)的numpy数组，而向量的形状为(N, m)。
目前，我将矩阵向量积实现为
import numpy as np
def mvdot(m, v):
return (m * np.expand_dims(v, -2)).sum(-1)
由于广播规则，如果矩阵的所有块都是相同的，我只能将其存储在一个具有(1, n, m)形状的数组中:带有向量(N, m)的乘积仍然给出正确的(N, n)向量。
我的问题是：
如何实现一个有效的矩阵乘积，从两个形状为(N, n, m)和(N,
浏览 4提问于2016-12-20得票数 2
回答已采纳
1回答
如果我有三维矩阵：
cor =: 3 3 3 $ i.5
cor
0 1 2
3 4 0
1 2 3
4 0 1
2 3 4
0 1 2
3 4 0
1 2 3
4 0 1
和二维矩阵类似：
d =: 3 3 $ i.5
d
0 1 2
3 4 0
1 2 3
用J语言计算是非常简单的:将"2 (由2D矩阵)后置“。
d -"2 cor
0 0 0
0 0 0
0 0 0
_4 1 1
1 1 _4
1 1 1
_3 _3 2
2 2 _3
_3 2 2
但我还是个粗野的新手..。
cor - d
Value
浏览 2提问于2018-07-26得票数 2
回答已采纳
上下文
我正在用Python和Numpy实现2D离散傅里叶变换算法。根据图像处理理论，在进行变换之前，图像的每个强度f(x，y)都需要乘以(-1)^(x + y)，其中x和y是二维阵列中表示图像的强度指数。
尝试过什么，
最明显的方法是使用两个for循环迭代每个强度及其指数。
问题
是否有一个使用Python/Numpy矩阵操作的更优雅/更快的解决方案，还是应该使用两个for循环？
浏览 7提问于2019-10-20得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
