包括矩阵与行向量之间的操作,以及矩阵加法等。
a = np.random.randint(1,10,(3,4))
---------------------------------------------------------
a
Out[102]:
array([[9, 4, 9, 9],
[9, 2, 8, 4],
[5, 3, 9, 5]])
---------------------------------------------------------
b = np.array([2,1,6,3])
a-b
---------------------------------------------------------
#可以看出矩阵减去一行可以直接进行操作,而不用遍历所有行来执行减法操作
Out[104]:
array([[7, 3, 3, 6],
[7, 1, 2, 1],
[3, 2, 3, 2]])
--------------------------------------------------------
np.square(a-b)
--------------------------------------------------------
#是对每一个位置分别进行平方操作
Out[105]:
array([[49, 9, 9, 36],
[49, 1, 4, 1],
[ 9, 4, 9, 4]], dtype=int32)
--------------------------------------------------------
np.sum(a-b)
---------------------------------------------------------
Out[106]: 40
--------------------------------------------------------
#axis=1是将每行进行相加,在列的方向上进行相加
np.sum((a-b), axis=1)
-------------------------------------------------------
Out[107]: array([19, 11, 10])
np.mean()用法
a
array([[9, 4, 9, 9],
[9, 2, 8, 4],
[5, 3, 9, 5]])
--------------------------------------------------------
b = np.random.randint(1,10,(3,4))
b
Out[110]:
array([[2, 4, 4, 9],
[8, 2, 3, 9],
[3, 8, 4, 9]])
-----------------------------------------------------
np.mean(a==b)
Out[111]: 0.25
对相同shape的矩阵的每一个相对应位置的元素进行比较,返回相同元素所占比例。