在以下代码中,我创建了两个numpy数组。一个是1D数组,另一个是2D数组。
当我转置1D数组时,它保持不变。它没有从行矩阵变成列矩阵。 当我转置2D数组时,它从行矩阵变成了列矩阵。
代码:
当我转置1D数组时,它保持不变。它没有从行矩阵变成列矩阵。 当我转置2D数组时,它从行矩阵变成了列矩阵。
代码:
a = np.array([1,2,3,4,5])
print("a: ", a)
print("a.T: ", a.T)
b = np.array([[1,2,3,4,5]])
print("b: ", b)
print("b.T: ", b.T)
输出:
a: [1 2 3 4 5]
a.T: [1 2 3 4 5]
b: [[1 2 3 4 5]]
b.T: [[1]
[2]
[3]
[4]
[5]]
现在,我有一些问题:
a = np.array([1,2,3,4,5])
,这真的创建了一个行矩阵吗?print("a.T: ", a.T)
,它是否隐式地将a从行矩阵转换成列矩阵?还是它保持不变?b = np.array([[1,2,3,4,5]])
,这真的创建了一个行矩阵吗?print("b.T: ", b.T)
,它是否将行矩阵转换为列矩阵?我的意思是,我是正确的吗?或者,如果我只使用一个方括号创建一个numpy数组,根本没有任何问题或行或列矩阵吗?
另外,当执行点操作时,我得到以下结果:
代码:
print(b.dot(a))
print(b.dot(a.T))
输出:
[55]
[55]
但就我而言,dot()函数执行的是矩阵乘法的任务。
如果是这样的话,根据矩阵乘法规则,第一个矩阵的列数必须等于第二个矩阵的行数,那么其中一个案例不应该会出现错误吗?
a
的形状为 (5,);b
的形状为 (1,5)。transpose
反转了形状 - 但不会添加维度。在使用numpy
时,迟早你会想要放弃“矩阵/向量”术语,而是专注于形状。 - hpaulj