


Quelle est la différence entre les formes de tableau NumPy (R, 1) et (R,) ?
Dec 07, 2024 am 10:06 AMDifférence entre les formes de tableau NumPy (R, 1) et (R,)
Dans NumPy, les tableaux peuvent avoir des formes qui diffèrent subtilement, tels que (R, 1) et (R,). Ces formes peuvent sembler similaires, mais il existe des différences sous-jacentes dans la façon dont elles sont interprétées et traitées.
1. Comprendre la structure des tableaux
Les tableaux NumPy se composent d'un tampon de données et d'une vue. Le tampon de données stocke les éléments de données brutes, tandis que la vue décrit comment interpréter les données. La forme fait partie de la vue et spécifie le nombre de dimensions et d'éléments du tableau.
Formes (R, 1) et (R,)
- (R, 1) : Cette forme représente un tableau avec R lignes et 1 colonne. Il se comporte comme un tableau unidimensionnel mais a une dimension supplémentaire de taille 1.
- (R,) : Cette forme représente un tableau avec R lignes uniquement. Il se comporte comme un véritable tableau unidimensionnel sans aucune dimension supplémentaire.
2. Raisons des différentes formes
NumPy a choisi de prendre en charge les deux formes pour des raisons historiques et pour offrir de la flexibilité dans certaines opérations. Certaines opérations attendent ou produisent des tableaux avec une forme particulière, conduisant à un comportement différent selon la forme d'entrée.
3. Implications pour la multiplication matricielle
Dans votre exemple, numpy.dot(M[:,0], numpy.ones((1, R))), les formes peuvent causer un problème. M[:,0] a la forme (R,) tandis que numpy.ones((1, R)) a la forme (1, R), ce qui conduit à une erreur de désalignement. Pour résoudre ce problème, vous pouvez explicitement remodeler M[:,0] en (R, 1).
4. Meilleures pratiques
Bien qu'il n'y ait pas de préférence stricte entre (R, 1) et (R,), il est généralement recommandé d'utiliser (R, 1) lorsqu'un tableau est logiquement unidimensionnel mais nécessite un supplément dimension pour certaines opérations. Soyez conscient des formes attendues dans toutes les fonctions que vous utilisez pour éviter les erreurs.
Approches alternatives
Dans votre exemple, vous pouvez également envisager les alternatives suivantes pour éviter de remodeler :
- numpy.dot(M.T, numpy.ones((R, 1)))
- M.sum(axis=0).reshape((R, 1))
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Article chaud

Outils chauds Tags

Article chaud

Tags d'article chaud

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Comment utiliser la belle soupe pour analyser HTML?

Comment télécharger des fichiers dans Python

Comment utiliser Python pour trouver la distribution ZIPF d'un fichier texte

Comment travailler avec des documents PDF à l'aide de Python

Comment se cacher en utilisant Redis dans les applications Django

Comment effectuer l'apprentissage en profondeur avec TensorFlow ou Pytorch?

Présentation de la boîte à outils en langage naturel (NLTK)
