在NumPy中转置存储在一维数组中的矩阵的最快方法？
在NumPy中，可以使用transpose函数或者T属性来实现将存储在一维数组中的矩阵进行转置的操作。
- 使用
transpose函数：transpose函数可以接受一个参数axes，用于指定转置的维度顺序。对于存储在一维数组中的矩阵，可以将axes参数设置为(1,0)，表示将第1维和第0维进行转置。 - 使用
transpose函数：transpose函数可以接受一个参数axes，用于指定转置的维度顺序。对于存储在一维数组中的矩阵，可以将axes参数设置为(1,0)，表示将第1维和第0维进行转置。 - 输出：
- 输出：
- 使用
T属性： 在NumPy中，多维数组对象有一个名为T的属性，可以直接对数组进行转置操作。 - 使用
T属性： 在NumPy中，多维数组对象有一个名为T的属性，可以直接对数组进行转置操作。 - 输出：
- 输出：
NumPy是一个功能强大的数值计算库，对于科学计算和数据分析具有重要的作用。它可以高效地处理多维数组，提供了丰富的数学函数和线性代数运算。NumPy广泛应用于科学计算、图像处理、机器学习等领域。
腾讯云提供的与NumPy相关的产品包括云服务器、弹性MapReduce、容器服务等。详细产品介绍及相关链接如下：
- 云服务器：提供高性能的虚拟机实例，适用于各种计算任务。
- 产品介绍链接：云服务器
- 弹性MapReduce：提供大规模数据处理和分析的云服务。
- 产品介绍链接：弹性MapReduce
- 容器服务：提供高性能、高可靠性的容器部署和管理服务。
- 产品介绍链接：容器服务
相关·内容
1回答
1： 1。
我想使用numpy函数用Python编写上面的等式：
b = b - INV(J'*J) * J' * r(b)
J是矩阵，J‘是J，X和r数组的矩阵转置
b = b - linalg.inv((zip(*J)).dot(J)).dot(zip(*J)).dot(r)
这不管用..。有什么建议吗？
编辑
错误：
AttributeError: 'zip' object has no attribute 'dot'
，..。我使用Python 3.2
浏览 1提问于2013-06-12得票数 0
回答已采纳
我有一个矩阵的图像创建在matlab中，我将使用它作为输入一个卷积神经网络，我正在编码的西亚诺。我使用numpy.loadtxt导入了矩阵，在检查时，该矩阵看起来与在matlab中创建的矩阵相同。在matlab中使用imshow()对图像进行校正，但使用matplotlib imshow()时，图像被转置。有人知道原因吗？
matlab代码：
img = dlmread('kthImagesCheck.txt');
imshow(reshape(img(:,1), [104,104]))
matplotlib代码：
img = numpy.loadtxt
浏览 0提问于2015-05-06得票数 3
回答已采纳
我在转换numpy矩阵时遇到了一些问题，使用cv显示来自numpy矩阵的图像。
请考虑以下代码。
import cv2, numpy as np
...
ones = np.ones((100,100))
onesT = np.copy(ones.T)
onesCT = np.copy(ones.T, order='C')
cv2.circle(ones, (50,50), 3, (0), thickness=-1)
cv2.circle(onesCT, (50,50), 3, (0), thickness=-1)
cv2.circle(onesT, (50,50), 3, (
浏览 0提问于2014-10-05得票数 0
回答已采纳
2回答
与Matlab中一样，返回按列排序的索引。在NumPy中，返回的索引似乎是按行排序的(对于2D矩阵)。但这一点并没有在它的中表达出来。
那么，假设这是安全的吗？
举个例子：
test = np.array([[0,2], [3,0]])
test[test.nonzero()]
给出array([2, 3])而不是array([3, 2])。
浏览 2提问于2015-08-16得票数 1
回答已采纳
在2D矩阵上，如果没有指定轴，numpy的np.transpose(矩阵)和np.matrix.transpose()在功能上有区别吗？
另外，有没有人可以尝试直观地解释一下axes规范是如何工作的？
谢谢!
浏览 0提问于2018-09-26得票数 2
3回答
numpy中两个数组的乘法
、、、、
我有两个numpy数组：
x = numpy.array([1, 2])
y = numpy.array([3, 4])
我想创建一个元素产品矩阵：
[[3, 6],
[4, 8]]
做这件事最简单的方法是什么？
浏览 1提问于2015-04-24得票数 3
回答已采纳
我以前使用过python，但是由于某种原因没有注意到这个问题。在我正在编写的当前代码中，我经常需要使用numpy模块生成数组：
-np.random.uniform(0,1,n)或np.random.normal(0,0.1,n)
-np.asarray([1,2,3])
然而，我很难将这些运算与其他运算结合起来，例如矩阵乘法。使用np.shape()，我发现它们的输出是(n,)，(3,)，也就是它们具有未定义的第二维。
我的问题是：
为什么是这种情况？它在任何情况下都有用吗？为什么不让它成为(n,1)
目前，我经常使用numpy.reshape()将形状(n,)转换为(n,1)。是否
浏览 0提问于2019-07-05得票数 0
回答已采纳
为什么转置矩阵在转换为pycuda.gpuarray时看起来会有所不同？
你能复制这个吗？是什么导致的？我用错方法了吗？
示例代码
from pycuda import gpuarray
import pycuda.autoinit
import numpy
data = numpy.random.randn(2,4).astype(numpy.float32)
data_gpu = gpuarray.to_gpu(data.T)
print "data\n",data
print "data_gpu.get()\n",data_gpu.get()
print
浏览 4提问于2011-08-01得票数 5
回答已采纳
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
1回答
所谓二进制矩阵，我指的是矩阵中的每个元素都是0或1，为此我在numpy中使用了Matrix类。
首先，在numpy中是否存在特定类型的矩阵，还是只使用填充0和1s的矩阵？
第二，考虑到类的维数，创建包含0的方阵的最快方法是什么？注意：numpy.zeros((dim, dim))不是我想要的，因为它创建了一个带有浮点0.的二维数组。
第三，我希望经常得到并设置矩阵的任何给定行。对于get，我可以考虑使用row = my_matrix.A[row_index].tolist()，它将返回给定行的列表表示。对于set，我似乎可以只做my_matrix[row_index] = row_list，r
浏览 0提问于2012-07-26得票数 4
回答已采纳
2回答
我正在从一个Pandas数据帧创建一个矩阵，如下所示：
dense_matrix = np.array(df.as_matrix(columns = None), dtype=bool).astype(np.int)
然后转换成一个稀疏矩阵：
sparse_matrix = scipy.sparse.csr_matrix(dense_matrix)
有没有办法从df直接转到稀疏矩阵？
提前谢谢。
浏览 0提问于2013-12-09得票数 48
回答已采纳
4回答
矩阵运算(转置)
、、、、
我想要执行矩阵运算(例如，找到给定矩阵A的转置矩阵)
我找到了一些这样做的库，例如Colt：
在第二个链接中提到，如果要打印转位，请键入：
System.out.println(matrix.viewDice());
但是，我不想打印转置矩阵。我想把它存储在第二个矩阵中，例如B，它有适当的维数。
有什么想法吗？
浏览 6提问于2013-10-11得票数 1
回答已采纳
1回答
我试图做一个我认为微不足道的转变，但我找不到任何解决方案。我有一个维数组(3，3，2)，如下所示：
array([[1,2], [3,4], [5,6]],
[[7,8], [9,0], [1,2]],
[[3,4], [5,6], [7,8]])
我想将它转换为以下形式的(2，3，3)数组
array([[1, 3, 5],
[7, 9, 1],
[3, 5, 7]],
[[2, 4, 6],
[8, 0, 2],
[4, 6, 8]])
使得该阵列的每个矩阵包含第一矩阵中的每个元组的相应索引的所有元素。有没有办法做到这一点，无论是使用NumPy还是ML库的预处理工具？在某种意义上，该操作相
浏览 2提问于2021-04-11得票数 0
3回答
我目前正在将一个MATLAB脚本翻译成python。在MATLAB代码中有一个步骤，我需要从基于相同维数的布尔矩阵的矩阵(二维数组)中选择条目。当我尝试用Python编写等效代码时，我注意到与MATLAB相比，结果数组中元素的顺序不同。更准确地说，MATLAB似乎是按列顺序选择元素，而Python是按行顺序选择元素。有没有办法让Python按照MATLAB的顺序输出数组？ 小小的例子： MATLAB： a = [1, 2, 3; 4, 5, 6; 7, 8, 9];
b = [false, false, true; false, false, false; true, false, fals
浏览 20提问于2021-08-11得票数 3
回答已采纳
在MATLAB中，有一个称为vec的函数，它接受一个矩阵并将列叠加到一个向量中。例如，如果我们调用以下矩阵"X"：
[1 2]
[3 4]
然后vec(X)将返回向量：
[1]
[3]
[2]
[4]
这似乎没有任何直接的实现，而且"“也没有一个直接的等价。
因此，如果给出一个numpy数组(表示矩阵)，那么一个非常优雅的NumPy行会重现这个结果吗？只是好奇地想看看它能做得多么简洁/优雅。谢谢!
浏览 4提问于2014-08-11得票数 6
回答已采纳
设矩阵a，b为(1x4)维数的1，2，3，4。
在应用numpy.dot(a，b)时，结果是30，而不是引发两个矩阵形状不对齐的异常。
( can )矩阵如何与(Can)矩阵相乘？numpy是否会自动转换一个矩阵来对齐它们的形状，然后再进行乘法？
浏览 1提问于2015-03-11得票数 2
回答已采纳
1回答
虽然我使用的是C语言，但我认为编程语言和代码是不相关的。
我想用CSR格式表示一个对称矩阵，用于快速矩阵-向量积。
我读取的输入流只给出了矩阵的上三角部分，一个数字接一个数字，从左到右，行到行。
示例：
0 2 3 5
2 0 1 4
3 1 0 9
5 4 9 0
输入流：
0 2 3 5 0 1 4 0 9 0
比方说，如果我要从二维数组中构建一个常规矩阵，那就很容易了。我需要的只是我得到的数据。但CSR代表的情况并非如此。
浏览 9提问于2017-05-05得票数 0
1回答
有效ndarray运算
、、、
我正在用Python转换一些Matlab代码。我需要做一些矩阵操作。我的矩阵(A)现在是65x3矩阵。但是，行数是可变的，这取决于我在程序中的步骤。
在Matlab中，我正在编写的代码是：
output = inv(A'*A) * A';
下面的Python代码很好地再现了预期的输出。我只是好奇是否有更好的(更多的Pythonic，更快，等等)的方式来做到这一点？我只想坚持基本的Python和numpy。
output = np.dot(np.linalg.inv(np.dot(np.transpose(A), A)), np.transpose(A))
感谢任何愿意帮忙的人。
浏览 3提问于2016-08-04得票数 2
回答已采纳
3回答
我经常使用R，我是Python的新手。在R中，给出了给定矩阵的计算平均值、cov和cor的演示如下：
X = matrix(c(1,0.5,3,7,9,6,2,8,4), nrow=3, ncol=3, byrow=FALSE)
X
# [,1] [,2] [,3]
# [1,] 1.0 7 2
# [2,] 0.5 9 8
# [3,] 3.0 6 4
M = colMeans(X) # apply(X,2,mean)
M
# [1] 1.500000 7.333333 4.666667
S = cov(X)
S
# [,1]
浏览 1提问于2018-11-02得票数 1
回答已采纳
2回答
(在你告诉我之前，是的，我知道你永远不应该颠倒矩阵。不幸的是，在我的计算中，我构造了一个矩阵，它必须以某种方式倒置。)
我有一个很大的矩阵M，它是病态的.numpy.linalg.cond(M)输出一个大小为e+22的值。矩阵M为(1000,1000)形。
当然，numpy.linalg.inv()会导致许多精度错误。所以，我用numpy.linalg.solve()来反演矩阵。
考虑矩阵逆A^{-1}是由A * A^{-1} = Identity定义的。numpy.linalg.solve()计算精确解x，即满秩线性矩阵方程ax = b。
因此，我定义了恒等矩阵：
import numpy
浏览 4提问于2015-07-06得票数 3
回答已采纳
1回答
为什么我不能训练我的模特
、、、、
我目前正在尝试建立一个线性回归网络，能够将输入数据映射到所需的输出数据。
我的输入和输出当前存储为存储为numpy.ndarray的矩阵列表。
回归网络的输入维数为400，回归网络的输出维数为13。
输入端的每个矩阵都有尺寸为400 x =>的打印input.shape输出。
输出侧的每个矩阵都具有尺寸为13 x =>的打印output.shape输出。
我目前定义的网络如下所示：
print "Training!"
model = Sequential()
model.add(Dense(output_dim=13, input_dim=400, init=
浏览 3提问于2016-11-13得票数 0
回答已采纳
我想定义一个NxN矩阵A，它的元素A(i,j)是sin(i^2 + j)。
在MATLAB中，我可以用矢量化方法快速地定义这个矩阵。
N = 2000;
ii = 1:N;
A = sin(ii.^2 + ii');
如何在Python中实现这一点？现在，我正在使用循环，这是缓慢的。
import numpy
N = 2000;
A = numpy.empty((N, N));
for i in range(1,N+1):
for j in range(1,N+1):
A[i-1][j-1] = numpy.sin(j + numpy.power(i, 2.
浏览 2提问于2022-11-29得票数 -2
回答已采纳
4回答
好的，假设我有这个矩阵：{{1,2}，{2,3}}，我宁愿有{{4,1,2}，{5,2,3}}。也就是说，我在矩阵前面加上了一列。有什么简单的方法可以做到吗？
我最好的建议是：
PrependColumn[vector_List, matrix_List] :=
Outer[Prepend[#1, #2] &, matrix, vector, 1]
但是它混淆了代码，并且不断地需要加载越来越多的代码。这不是在某种程度上内置的吗？
浏览 1提问于2009-08-07得票数 11
回答已采纳
我只需要在大量使用MKL库的程序中转置压缩稀疏行(CSR)中的方阵(存储在多个处理器上)。我找到了一个例程来做这件事，但我感兴趣的是看看是否有MKL库例程。
一种方法是将其视为从CSR到CSC (压缩稀疏列)格式的转换。我得到了创建CSR矩阵的例程；它非常复杂，我不想更改它。
谢谢!
汤姆
浏览 6提问于2012-06-09得票数 1
我似乎被一些看似琐碎的事情所困扰:我需要访问numpy.matrix中的元素。但矩阵的行为并不像我预期的那样：
>>> mymatrix
matrix([[0.02700243, 0. , 0. , ..., 0. , 0. ,
0. ]])
>>> type(mymatrix)
<class 'numpy.matrix'>
>>> mymatrix.shape
(1, 10000)
>>> mymatrix
浏览 0提问于2021-03-10得票数 1
1回答
我想通过不同的方法转置一个矩阵，但我没有成功。我第一次试过这个
import numpy as np
z = self.mat
print len(z), len(z[0])
print ' z ' + str(z) + ' ztr ' + str(np.transpose(z))
用self.mat生成一个矩阵(数组的数组，[...，...，...])。
console中的打印内容并不符合我的预期:z和np.transpose(z)是相同的。
我尝试过使用zip(*self.mat)。这一次，问题是从60*15原始矩阵，我获得了15*69转置矩
浏览 0提问于2012-08-02得票数 0
回答已采纳
2回答
我想要找到一个10304*280矩阵的协方差(即280个变量，每个变量有10304个被试)，我使用下面的numpy函数来找到这个。
cov = numpy.cov(matrix)
因此，我期望得到208280个矩阵，但它返回了10304*10304矩阵。
浏览 0提问于2018-09-20得票数 0
回答已采纳
5回答
下面的八度代码显示了一个使用Octave/Matlab的样本三维矩阵
octave:1> A=zeros(3,3,3);
octave:2>
octave:2> A(:,:,1)= [[1 2 3];[4 5 6];[7 8 9]];
octave:3>
octave:3> A(:,:,2)= [[11 22 33];[44 55 66];[77 88 99]];
octave:4>
octave:4> A(:,:,3)= [[111 222 333];[444 555 666];[777 888 999]];
octave:5>
oct
浏览 5提问于2016-08-05得票数 3
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
2回答
假设我有一个大小为4 x 4的矩阵4 x 4和大小为4 x 1的向量y，我需要在Python中得到(h'/norm(h, 'fro')) * y的结果，其中h是矩阵H的列，h‘是矩阵H的每一列的转置。例如，在MATLAB中，我直接这样做了，如下所示：
clear all
clc
H = [0.0937 + 1.5453i, -0.1910 - 0.3741i, 1.4420 + 0.6273i, 0.0518 - 0.4653i; ...
0.8537 + 0.9905i, -0.2910 + 0.0131i, 0.2993 - 0.592
浏览 0提问于2019-08-15得票数 0
回答已采纳
基本设置:我试图在python中运行logit回归，了解创建企业的可能性(创始人变量)外生变量是年份、年龄、edu_cat (教育类别)和性别。
X矩阵为(4,650)，y矩阵为1,650。X矩阵中的所有变量都有650个非NaN观测值。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import statsmodels.api as sm
from sklearn.linear_model import LogisticRegression
from sk
浏览 2提问于2022-03-10得票数 0
3回答
我有两个数组A = [a1, ..., an]和B = [b1, ..., bn]。我想得到一个新的矩阵C，它等于
[[a1, b1],
[a2, b2],
...
[an, bn]]
如何使用numpy.concatenate完成此操作
浏览 6提问于2017-03-21得票数 2
3回答
问题
我想使用numpy或scipy计算以下内容：
Y = A**T * Q * A
其中A是m x n矩阵，A**T是A的转置，Q是m x m对角矩阵。
由于Q是对角矩阵，所以我只将其对角线元素存储为向量。
Y的求解方法
目前我可以想出两种计算Y的方法
Y = np.dot(np.dot(A.T, np.diag(Q)), A) andY = np.dot(A.T * Q, A).
显然，选项2比选项1更好，因为不需要用diag(Q)创建真正的矩阵(如果这是numpy真正要做的……)
但是，这两种方法都存在这样的缺陷，即必须分配比实际需要的内存更多的内存，因为A.T * Q和np.dot(A
浏览 2提问于2012-02-28得票数 28
回答已采纳
1回答
下午好,
我想做的是：
scipy.sparse.dia_matrx(x, shape = (x.size, x.size))
但是矩阵的形状是x.size x 1，我是不是做错了什么？还是我错过了文件里的什么东西？
这很重要，因为我正被稠密矩阵/向量相乘。
提亚
>>> t scipy.sparse.dia_matrix(x, shape = (x.size, x.size))
>>> t
<217766x1 sparse matrix of type '<class 'numpy.float64'>'
w
浏览 6提问于2014-04-02得票数 1
回答已采纳
3回答
我正在使用Armadillo C++库作为矩阵。
我想将一些行复制到外部数组(我需要将它们复制到gpu)。有什么快速的方法吗？
如果我使用.rows，它会给我一个没有数据指针访问权限的子视图，所以我必须对这些值进行迭代并逐个复制它们。这太慢了。
还有别的选择吗？
谢谢。
浏览 3提问于2014-02-04得票数 6
回答已采纳
5回答
我想为矩阵M中的每一列获取一个值的索引。例如：
M = matrix([[0, 1, 0],
[4, 2, 4],
[3, 4, 1],
[1, 3, 2],
[2, 0, 3]])
在伪码中，我想做这样的事情：
for col in M:
idx = numpy.where(M[col]==0) # Only for columns!
并让idx be 0，4，0为每一列。
我尝试过使用where，但是我不理解返回值，它是矩阵的一个元组。
浏览 3提问于2014-12-15得票数 5
回答已采纳
2回答
转位时CUBLAS主导尺寸的澄清
、、、、
对于矩阵A，只声明相应的前导维度参数lda引用：
用于存储矩阵A的二维数组的前导维数
因此，我假定这只是给定CUBLAS的主要存储格式的A的行数。然而，当我们考虑Op(A)**，时，前面的维度现在指的是什么？**
浏览 6提问于2013-05-04得票数 24
回答已采纳
2回答
让我们将a看作一个一维行/水平数组：
import numpy as np
N = 10
a = np.arange(N) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
a.shape # (10,)
现在我想让b转换为a的一维列/垂直数组
b = a.transpose() # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
b.shape # (10,)
但是.transpose()方法返回一个完全相同形状的ndarray！
我希望看到的是
np.array([[0], [1], [2], [3], [4], [5], [6],
浏览 3提问于2019-10-19得票数 2
3回答
我正在实现一个算法，它要求我在一个(严格的二维) numpy数组中查看不重叠的连续子矩阵。例如，对于12 x 12
>>> a = np.random.randint(20, size=(12, 12)); a
array([[ 4, 0, 12, 14, 3, 8, 14, 12, 11, 18, 6, 6],
[15, 13, 2, 18, 15, 15, 16, 2, 9, 16, 6, 4],
[18, 18, 3, 8, 1, 15, 14, 13, 13, 13, 7, 0],
[ 1, 9
浏览 0提问于2013-05-23得票数 13
回答已采纳
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
2回答
假设你有矩阵A。
也假设我们有矩阵C
，如果我们有A= be，我们想找出B矩阵的值，我认为它应该是3x3 (如果我错了，请纠正我)。
这里需要使用矩阵反演吗？我已经多年没有使用代数了。
我还没有一个代码，但如果有人可以提供一个片段，这将是很好的。
这是我在图像处理中遇到的一个问题，A，C保存RGB值。
提交的矩阵只是为了说明。
我正试图用Python来解决这个问题，我希望有人能帮上忙。
浏览 2提问于2018-03-07得票数 0
回答已采纳
2回答
我正在尝试弄清楚如何在numpy中做一种标量矩阵乘法。
我有过
a = array(((1,2,3),(4,5,6)))
b = array((11,12))
我想做的是
a op b
导致
array(((1*11,2*11,3*11),(4*12,5*12,6*12))
现在我正在使用下面的表达式
数组a* c= (( b，b，b)).transpose()
不过，似乎一定有更有效的方法来做这件事。
浏览 1提问于2010-09-28得票数 4
回答已采纳
4回答
使用numpy，我希望通过列数组x (元素级)对矩阵y进行多个处理：
x = numpy.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = numpy.array([1, 2, 3])
z = numpy.multiply(x, y)
print z
这使输出就像y是行数组一样：
[[ 1 4 9]
[ 4 10 18]
[ 7 16 27]]
但是，我希望输出就像y是列数组一样：
[[ 1 2 3]
[ 8 10 12]
[21 24 27]]
那么，我如何才能操纵y来实现这一
浏览 4提问于2014-08-13得票数 1
回答已采纳
1回答
我有一个向量
In [26]: x
Out[26]: array([1, 2])
我有一个形状为(10,2,30)的三维张量a，它的内容是True,False。我必须对x[i]的每个a[i,:,:]进行倍增。我想numpy.tile，但它不起作用。
有没有办法避免for循环呢？
浏览 2提问于2020-04-03得票数 0
1回答
我用随机数生成一个大矩阵(100x100，我们称之为X)，用numpy.matrix()生成一个numpy.ndarray。
我一直在想，这两项行动之间是否有什么不同：
numpy.transpose(X)
X.T
我已经测量了循环中每一次操作的时间范围为1000，似乎X.T比x.T要快得多。
添加了基准测试：
对于100x100矩阵，我在numpy.tranpose(X)和X.T中得到了如下结果
10.000范围循环中的：
7421/10.000：X.T最快
1256/10.000：numpy.transpose(X)最快
1323/10.000:相同的计算时间或
浏览 4提问于2016-05-24得票数 8
回答已采纳
我对编程/Python/NumPy比较陌生，所以如果我的无知显示出.
假设我有两个2d NumPy数组：
import numpy as np
a = np.array([[1, 5, 20],
[2, 15, float("NaN")],
[4, float("NaN"), float("NaN")]])
b = np.array([[4, float("NaN")],
[1
浏览 2提问于2022-10-19得票数 2
回答已采纳
在乘以大型矩阵(例如A和B，A.dot(B))时，numpy是否通过计算B的转置并使用逐行乘法来使用空间局部性，或者它是否以列的方式访问B的元素，这将导致许多缓存未命中。我观察到，当我运行同一程序的多个实例时，内存带宽正在成为一个瓶颈。例如，如果我在一台20核的机器上运行4个独立的执行矩阵乘法(对于大矩阵)的程序实例，我只看到2.3倍的加速。
浏览 0提问于2015-05-06得票数 1
1回答
我有一个以X和Y矩阵排列的数据集，如下所示：
我想找一个2*2矩阵A，这样所有i=1,...,n的y_i=A x_i。因此，我在python中使用以下代码进行线性回归：
import numpy as np
import matplotlib.pyplot as plt
import sklearn
from sklearn import datasets, linear_model
#n=5
X=np.random.uniform(0,1,(2,5))
A=np.random.uniform(0,1,(2,2))
y=np.dot(A,X)
print(y)
# Create li
浏览 1提问于2017-04-03得票数 0
我有两个向量a和b，我需要构造这样的矩阵：
一个应该有效的解决方案是将叠加三次，一个容器，然后按元素进行乘法。
a = numpy.array([1,2,3])
b = numpa.array([10,20,30])
c = numpy.vstack((a,a,a)) * b
有没有更有效的方法来做到这一点？
浏览 0提问于2018-09-06得票数 2
回答已采纳
让我们假设，我有两个给定的ndarray，其中矩阵mapping包含信息，关于如何排列矩阵mask的行。我们可以假设，mapping矩阵来自其他一些算法。
import numpy as np
T, K, F = 2, 3, 5
mask = np.random.randint(4, size=(T, K, F))
mapping = np.asarray([
[0, 1, 2],
[0, 1, 2],
[2, 0, 1],
[0, 1, 2],
[1, 0, 2]
])
要做到这一点，直接的方法是应用一个for循环：
out = np.empty_li
浏览 2提问于2017-06-29得票数 1
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
