資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會科學
時裝研究
法律研究在 NumPy 中構建一個塊矩陣
要在 Python Numpy 中構建矩陣塊，請使用 numpy.block() 方法。最內層列表中的塊沿著最後一個維度（-1）連線，然後沿著倒數第二個維度（-2）連線，依此類推，直到到達最外層列表。
塊可以是任何維度，但不會使用正常規則進行廣播。相反，會插入大小為 1 的前導軸，以使各個塊的 block.ndim 相同。這主要用於處理標量，這意味著像 np.block([v, 1]) 這樣的程式碼是有效的，其中 v.ndim == 1。
步驟
首先，匯入所需的庫 -
import numpy as np
使用 array() 方法建立兩個 numpy 陣列。我們插入了 int 型別的元素-
arr1 = np.eye(2) * 2 arr2 = np.eye(3) * 2
顯示陣列 -
print("Array 1...
", arr1)
print("
Array 2...
", arr2)獲取陣列的型別 -
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)獲取陣列的維度 -
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)獲取陣列的形狀 -
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)要在 Python Numpy 中構建矩陣塊，請使用 numpy.block() 方法 -
print("
Result...
",np.block([[arr1,np.zeros((2, 3))], [np.ones((3, 2)), arr2]]))程式碼示例
import numpy as np
# Creating two numpy arrays using the array() method
# We have inserted elements of int type
arr1 = np.eye(2) * 2
arr2 = np.eye(3) * 2
# Display the arrays
print("Array 1...
", arr1)
print("
Array 2...
", arr2)
# Get the type of the arrays
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)
# Get the dimensions of the Arrays
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)
# Get the shape of the Arrays
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)
# To build a block of matrix, use the numpy.block() method in Python Numpy
print("
Result...
",np.block([[arr1,np.zeros((2, 3))], [np.ones((3, 2)), arr2]]))輸出
Array 1... [[2. 0.] [0. 2.]] Array 2... [[2. 0. 0.] [0. 2. 0.] [0. 0. 2.]] Our Array 1 type... float64 Our Array 2 type... float64 Our Array 1 Dimensions... 2 Our Array 2 Dimensions... 2 Our Array 1 Shape... (2, 2) Our Array 2 Shape... (3, 3) Result... [[2. 0. 0. 0. 0.] [0. 2. 0. 0. 0.] [1. 1. 2. 0. 0.] [1. 1. 0. 2. 0.] [1. 1. 0. 0. 2.]]
更新於： 2022 年 2 月 17 日
3K+ 瀏覽
廣告