Rumah  >  Artikel  >  hujung hadapan web  >  Kuasai teknik dan kaedah fungsi transpose dalam numpy

Kuasai teknik dan kaedah fungsi transpose dalam numpy

WBOY
WBOYasal
2024-01-26 11:07:15547semak imbas

Kuasai teknik dan kaedah fungsi transpose dalam numpy

Petua dan kaedah untuk mempelajari fungsi numpy transpose

Python ialah bahasa pengaturcaraan yang sangat popular di mana kami boleh melakukan pelbagai analisis data, pengkomputeran saintifik dan tugasan pembelajaran mesin. Dalam tugasan ini, selalunya perlu untuk menukar tatasusunan.

Dalam Python, perpustakaan yang berkuasa, NumPy (Numerical Python), memberikan kami banyak fungsi dan alatan yang mudah untuk memproses tatasusunan. Antaranya, fungsi transpose adalah salah satu operasi yang biasa digunakan.

Artikel ini akan memperkenalkan teknik dan kaedah fungsi transpose dalam NumPy, dengan harapan dapat membantu pembaca memahami dan menggunakan fungsi ini dengan lebih baik.

1. Pengenalan kepada fungsi numpy.transpose
Fungsi transpose dalam NumPy boleh mengubah susunan. Ia boleh menerima tatasusunan sebagai hujah dan mengembalikan tatasusunan transposed.

Sebagai contoh, kita boleh menggunakan fungsi transpose untuk menukar baris dan lajur tatasusunan dua dimensi.

2. Penggunaan fungsi numpy.transpose
Berikut ialah penggunaan asas fungsi numpy.transpose:

numpy.transpose(arr, axes)
arr: Array yang perlu diubah.

paksi: Tetapkan tertib dimensi operasi transpos, lalai ialah Tiada.

Nilai pulangan bagi fungsi ini ialah tatasusunan terpindah.

Seterusnya, kami akan menunjukkan beberapa contoh khusus untuk membantu pembaca lebih memahami penggunaan fungsi numpy.transpose.

Sebagai contoh, kami mencipta tatasusunan dua dimensi arr:

import numpy sebagai np

arr = np.array([[1, 2, 3],

            [4, 5, 6]])

Sekarang, kami memanggil fungsi transpose untuk melaksanakan operasi transpose:

arr_transpose = np.transpose(arr)

print(arr_transpose)

Hasilnya ialah:

[[1 4]
[2 5]
[3 6]]

tatasusunan dua dimensi asal Baris dan lajur ditukar ganti

3 Aplikasi lanjutan fungsi numpy.transpose
Selain penggunaan asas di atas, fungsi numpy.transpose juga mempunyai beberapa kegunaan lanjutan untuk memenuhi keperluan transposisi yang lebih kompleks

.
  1. Tetapkan tertib dimensi operasi transpose
    Dalam contoh sebelumnya, kami menggunakan tertib dimensi lalai, tetapi sebenarnya, kami boleh menentukan tertib dimensi yang kami mahu dengan menetapkan parameter paksi

Sebagai contoh, kami mencipta Tiga arr tatasusunan dimensi:

arr = np.array([[[1, 2, 3],

             [4, 5, 6]],

            [[7, 8, 9], 
             [10, 11, 12]]])

Sekarang, kami melaksanakan operasi transpose dan tetapkan tertib dimensi kepada (2, 1, 0):

arr_transpose = np.transpose(arr, axes=(2, 1, 0))

print(arr_transpose)

Hasilnya ialah:

[[[[1 7]
[4 10]]

[[2 8]
[5 11]]

[[3 9]
[6 12]]]

Kita dapat lihat bahawa selepas transposing mengikut tertib dimensi (2, 1, 0), susunan dimensi tatasusunan disusun semula . [[1, 2, 3],

             [4, 5, 6]],

            [[7, 8, 9], 
             [10, 11, 12]]])
    Sekarang, kami melaksanakan operasi transpose melalui atribut T:

  1. arr_transpose = arr.T
print(arr_transpose)

Hasilnya ialah:

[[[1 ] ]

[4 10]]

[[2 8]

[5 11]]

[[3 9]

[6 12]]]

Begitu juga, kita dapat hasil transposed

, Summary

Artikel ini memperkenalkan penggunaan asas dan aplikasi lanjutan bagi fungsi transposisi numpy.transpose dalam NumPy Melalui penggunaan fleksibel fungsi numpy.transpose, kami boleh menyelesaikan operasi transposisi tatasusunan dengan lebih mudah, membantu kami mengendalikan analisis data dan pengiraan saintifik. dan tugasan lain.

Pembaca boleh berlatih berdasarkan kod sampel dalam artikel, memperoleh pemahaman yang mendalam tentang penggunaan fungsi numpy.transpose dan meningkatkan keupayaan pemprosesan dan analisis data mereka. Pada masa yang sama, anda juga boleh mengkaji lebih lanjut fungsi dan alatan berkuasa lain dalam perpustakaan NumPy untuk menyediakan kaedah yang lebih mudah dan cekap untuk pembelajaran dan latihan pengaturcaraan anda sendiri.

Atas ialah kandungan terperinci Kuasai teknik dan kaedah fungsi transpose dalam numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn