Wie kann man eine Matrix in Python mit Numpy reduzieren?
In diesem Artikel zeigen wir Ihnen, wie Sie eine Matrix mithilfe der NumPy-Bibliothek in Python reduzieren.
numpy.ndarray.flatten() Funktion
Das Numpy-Modul enthält eine Funktion namens numpy.ndarray.flatten(), die eine eindimensionale Kopie des Arrays anstelle eines zweidimensionalen oder mehrdimensionalen Arrays zurückgibt.
Einfach ausgedrückt können wir sagen, dass die Matrix dadurch auf eine Dimension abgeflacht wird.
Grammatik
ndarray.flatten(order='C')
Parameter
order − 'C', 'F', 'A', 'K' (optional)
Wenn wir die Sortierparameter auf 'C,' setzen, wird das Array in der Zeilenhauptreihenfolge abgeflacht.
Wenn das „F“ festgelegt ist, wird das Array in der Reihenfolge „Spalten-Haupt“ abgeflacht.
- Das Array wird nur dann in der Hauptreihenfolge der Spalten erweitert, wenn „a“ Fortran im Speicher zusammenhängend ist und der Ordnungsparameter auf „A“ gesetzt ist. Die letzte Reihenfolge ist „K“, wodurch das Array in derselben Reihenfolge entpackt wird, in der die Elemente im Speicher erscheinen. Dieser Parameter ist standardmäßig auf „C“ eingestellt.
Rückgabewert – Gibt eine abgeflachte 1-D-Matrix zurück
Methode 1 – Reduzieren der 2x2 Numpy-Matrix vom Typ np.array()Algorithmus (Schritte)
Hier sind die Algorithmen/Schritte zum Ausführen der erforderlichen Aufgabe:
- Verwenden Sie das Schlüsselwort import, um das
numpy-Modul mit einem Alias (np) zu importieren.
- Verwenden Sie die Funktion
numpy.array() (die ein Ndarray zurückgibt. Ein Ndarray ist ein Array-Objekt, das die angegebenen Anforderungen erfüllt), um ein Numpy-Array zu erstellen, indem Sie ein zweidimensionales Array (2 Zeilen, 2 Spalten) als übergeben Argument dazu.
- Drucken Sie die angegebene 2D-Matrix.
- Wenden Sie die Funktion
flatten() des Numpy-Moduls (Matrix auf eine Dimension reduzieren) auf die Eingabematrix an, um die zweidimensionale Eingabematrix in eine eindimensionale Matrix zu reduzieren.
- Drucken Sie die resultierende abgeflachte Matrix der Eingabematrix.
zurück
# importing numpy module with an alias name import numpy as np # creating a 2-Dimensional(2x2) numpy matrix inputMatrix = np.array([[3, 5], [4, 8]]) # printing the input 2D matrix print("The input numpy matrix:") print(inputMatrix) # flattening the 2D matrix to one-dimensional matrix flattenMatrix = inputMatrix.flatten() # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Bei der Ausführung generiert das obige Programm die folgende Ausgabe:
The input numpy matrix: [[3 5] [4 8]] Resultant flattened matrix: [3 5 4 8]
Algorithmus (Schritte)
Hier sind die Algorithmen/Schritte zum Ausführen der erforderlichen Aufgabe:
- Verwenden Sie die Funktion
numpy.array() (gibt ein Ndarray zurück. Das Ndarray ist ein Array-Objekt, das die angegebenen Anforderungen erfüllt), um ein Numpy-Array zu erstellen, indem Sie das 4-dimensionale Array (4 Zeilen, 4 Spalten) als Argument übergeben dazu.
- Drucken Sie die angegebene 4D-Matrix.
- Berechnen Sie die Anzahl der Elemente einer Matrix, indem Sie die Länge des NumPy-Arrays mit sich selbst multiplizieren. Diese Werte stellen die erforderliche Anzahl von Spalten dar.
- Verwenden Sie die Funktion
reshape() (formt ein Array um, ohne seine Daten zu beeinflussen), um das Array umzuformen und die Eingabematrix (4D) auf eine eindimensionale Matrix zu reduzieren.
- Drucken Sie die resultierende abgeflachte Matrix der Eingabematrix.
zurück
# importing numpy module with an alias name import numpy as np # creating a 4-Dimensional(4x4) numpy matrix inputMatrix = np.array([[1, 2, 3, 97], [4, 5, 6, 98], [7, 8, 9, 99], [10, 11, 12, 100]]) # Getting the total Number of elements of the matrix matrixSize = len(inputMatrix) * len(inputMatrix) # printing the input 4D matrix print("The input numpy matrix:") print(inputMatrix) # reshaping the array and flattening the 4D matrix to a one-dimensional matrix # here (1,matrixSize(16)) says 1 row and 16 columns(Number of elements) flattenMatrix= np.reshape(inputMatrix, (1, matrixSize)) # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Bei der Ausführung generiert das obige Programm die folgende Ausgabe:
The input numpy matrix: [[ 1 2 3 97] [ 4 5 6 98] [ 7 8 9 99] [ 10 11 12 100]] Resultant flattened matrix: [[ 1 2 3 97 4 5 6 98 7 8 9 99 10 11 12 100]]
Die chinesische Übersetzung lautet: Methode 3 – Reduzieren der 4x4-Numpy-Matrix vom Typ np.matrix()
Algorithmus (Schritte)
Hier sind die Algorithmen/Schritte zum Ausführen der erforderlichen Aufgabe:
- Verwenden Sie die Funktion
numpy.matrix() (die eine Matrix aus einer Datenzeichenfolge oder einem Array-ähnlichen Objekt zurückgibt. Die resultierende Matrix ist ein spezialisiertes 4D-Array), indem Sie ein 4D-Array (4 Zeilen, 4 Spalten) übergeben ) als Argument Übergeben Sie es, um eine Numpy-Matrix zu erstellen.
- Drucken Sie die resultierende abgeflachte Matrix der Eingabematrix.
zurück
# importing NumPy module with an alias name import numpy as np # creating a NumPy matrix (4x4 matrix) using matrix() method inputMatrix = np.matrix('[11, 1, 8, 2; 11, 3, 9 ,1; 1, 2, 3, 4; 9, 8, 7, 6]') # printing the input 4D matrix print("The input numpy matrix:") print(inputMatrix) # flattening the 4D matrix to one-dimensional matrix flattenMatrix = inputMatrix.flatten() # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Bei der Ausführung generiert das obige Programm die folgende Ausgabe:
The input numpy matrix: [[11 1 8 2] [11 3 9 1] [ 1 2 3 4] [ 9 8 7 6]] Resultant flattened matrix: [[11 1 8 2 11 3 9 1 1 2 3 4 9 8 7 6]]
In diesem Beitrag haben wir anhand von drei verschiedenen Beispielen gelernt, wie man eine Matrix in Python reduziert. Wir haben gelernt, wie man Matrizen in Numpy mit zwei verschiedenen Methoden erhält: numpy.array() und NumPy.matrix(). Wir haben auch gelernt, wie man eine Matrix mithilfe der Reshape-Funktion flacher macht.
Das obige ist der detaillierte Inhalt vonWie kann man eine Matrix in Python mit Numpy reduzieren?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



So aktualisieren Sie die Numpy-Version: 1. Verwenden Sie den Befehl „pip install --upgrade numpy“. 2. Wenn Sie die Python 3.x-Version verwenden, verwenden Sie den Befehl „pip3 install --upgrade numpy“, der heruntergeladen wird Installieren Sie es und überschreiben Sie die aktuelle NumPy-Version 3. Wenn Sie Conda zum Verwalten der Python-Umgebung verwenden, verwenden Sie zum Aktualisieren den Befehl „conda install --update numpy“.

Numpy ist eine wichtige Mathematikbibliothek in Python. Sie bietet effiziente Array-Operationen und wissenschaftliche Berechnungsfunktionen und wird häufig in den Bereichen Datenanalyse, maschinelles Lernen, Deep Learning und anderen Bereichen verwendet. Bei der Verwendung von Numpy müssen wir häufig die Versionsnummer von Numpy überprüfen, um die von der aktuellen Umgebung unterstützten Funktionen zu ermitteln. In diesem Artikel erfahren Sie, wie Sie die Numpy-Version schnell überprüfen und spezifische Codebeispiele bereitstellen. Methode 1: Verwenden Sie das __version__-Attribut, das mit numpy geliefert wird. Das numpy-Modul wird mit einem __ geliefert.

Es wird empfohlen, die neueste Version von NumPy1.21.2 zu verwenden. Der Grund ist: Derzeit ist die neueste stabile Version von NumPy 1.21.2. Im Allgemeinen wird empfohlen, die neueste Version von NumPy zu verwenden, da diese die neuesten Funktionen und Leistungsoptimierungen enthält und einige Probleme und Fehler in früheren Versionen behebt.

So aktualisieren Sie die Numpy-Version: Leicht verständliches Tutorial, erfordert konkrete Codebeispiele. Einführung: NumPy ist eine wichtige Python-Bibliothek für wissenschaftliche Berechnungen. Es bietet ein leistungsstarkes mehrdimensionales Array-Objekt und eine Reihe verwandter Funktionen, mit denen effiziente numerische Operationen ausgeführt werden können. Mit der Veröffentlichung neuer Versionen stehen uns ständig neuere Funktionen und Fehlerbehebungen zur Verfügung. In diesem Artikel wird beschrieben, wie Sie Ihre installierte NumPy-Bibliothek aktualisieren, um die neuesten Funktionen zu erhalten und bekannte Probleme zu beheben. Schritt 1: Überprüfen Sie zu Beginn die aktuelle NumPy-Version

Bringen Sie Ihnen Schritt für Schritt bei, NumPy in PyCharm zu installieren und seine leistungsstarken Funktionen vollständig zu nutzen. Vorwort: NumPy ist eine der grundlegenden Bibliotheken für wissenschaftliches Rechnen in Python. Sie bietet leistungsstarke mehrdimensionale Array-Objekte und verschiedene für die Ausführung erforderliche Funktionen Grundlegende Operationen an Arrays. Es ist ein wichtiger Bestandteil der meisten Data-Science- und Machine-Learning-Projekte. In diesem Artikel erfahren Sie, wie Sie NumPy in PyCharm installieren und seine leistungsstarken Funktionen anhand spezifischer Codebeispiele demonstrieren. Schritt 1: Installieren Sie zunächst PyCharm

Numpy kann mit Pip, Conda, Quellcode und Anaconda installiert werden. Detaillierte Einführung: 1. pip, geben Sie pip install numpy in die Befehlszeile ein; 2. conda, geben Sie conda install numpy in die Befehlszeile ein. 3. Quellcode, entpacken Sie das Quellcodepaket oder geben Sie das Quellcodeverzeichnis ein, geben Sie den Befehl ein Zeile python setup.py build python setup.py install.

Mit der rasanten Entwicklung von Bereichen wie Datenwissenschaft, maschinellem Lernen und Deep Learning hat sich Python zu einer Mainstream-Sprache für die Datenanalyse und -modellierung entwickelt. In Python ist NumPy (kurz für NumericalPython) eine sehr wichtige Bibliothek, da sie eine Reihe effizienter mehrdimensionaler Array-Objekte bereitstellt und die Grundlage für viele andere Bibliotheken wie Pandas, SciPy und Scikit-Learn bildet. Bei der Verwendung von NumPy werden Sie daher wahrscheinlich auf Kompatibilitätsprobleme zwischen verschiedenen Versionen stoßen

Das Geheimnis der schnellen Deinstallation der NumPy-Bibliothek wird gelüftet. Es sind spezifische Codebeispiele erforderlich. NumPy ist eine leistungsstarke Python-Bibliothek für wissenschaftliches Rechnen, die in Bereichen wie Datenanalyse, wissenschaftlichem Rechnen und maschinellem Lernen weit verbreitet ist. Manchmal müssen wir jedoch möglicherweise die NumPy-Bibliothek deinstallieren, sei es zur Aktualisierung der Version oder aus anderen Gründen. In diesem Artikel werden einige Methoden zum schnellen Deinstallieren der NumPy-Bibliothek vorgestellt und spezifische Codebeispiele bereitgestellt. Methode 1: Verwenden Sie pip zum Deinstallieren. Pip ist ein Python-Paketverwaltungstool, das zum Installieren, Aktualisieren und Installieren verwendet werden kann
