[in]
import numpy as np
[in] a = np.array([1
,2,3
])#乙個對應的是既不是行向量也不是列向量，而是乙個陣列。
[out] array([1
,2,3
])[in] a.shape
[out](3
,)[in] b = a.t
[in] b
[out] array([1
,2,3
])#陣列的轉置仍為該陣列，可見a並非是乙個向量
[in] b.shape
[out](3
,)
[in]
import numpy as np
v_r = np.array([[
1,2,
3]])
#2個對應的才是向量
v_r[out] array([[
1,2,
3]])
[in] v_r.shape
[out](1
,3)[in] v_r.t #將行向量轉換成列向量
[out] array([[
1],[
2],[
3]])
[in] v_r.t.shape
[out](3
,1)
[in] v_c = np.array([[
4],[
5],[
6]])
v_c[out] array([[
4],[
5],[
6]])
[in] v_c.shape
[out](3
,1)[in] v_c.t
[out] array([[
4,5,
6]])
[in] v_c.t.shape
[out](1
,3)
[in] a = np.array([7
,8,9
])v_r = a.reshape(1,
-1)#將陣列a轉化為行向量
print
(v_r)
[out] array([[
7,8,
9]])
[in] v_r.shape
[out](1
,3)[in] a = np.array([7
,8,9
])v_c = a.reshape(-1
,1)#將陣列a轉化為行向量
print
(v_c)
[out] array([[
7],[
8],[
9]])
[in] v_c.shape
[out](1
,3)[in] v_r.reshape(-1
)#將行向量轉化為array陣列
[out] array([7
,8,9
])[in] v_c.reshape(-1
)#將列向量轉化為array陣列
[out] array([7
,8,9
])
Numpy中的行向量與列向量
首先要說明的是，無論是行向量還是列向量，shape都是二維的，不過其中有一維是1，乙個list既不是行向量也不是列向量。行向量import numpy as np b np.array 1 2,3 reshape 1 1 print b,b.shape 結果 array 1,2,3 1,3 或者下面...
Python中的向量 矩陣（numpy）
numpy的向量表示是通過array陣列來實現的 在numpy中一維向量用一位陣列array 1,1,1 表示，既能表示行向量也能表示列向量，一維向量轉置後還是原來的樣子 因為儲存結構是陣列 from numpy import v1 array 0,0,0 v1t v1.transpose prin...
Numpy 中的矩陣向量乘法
元素乘法 np.multiply a,b 矩陣乘法 np.dot a,b 或 np.matmul a,b 或 a.dot b 唯獨注意 在 np.array 中過載為元素乘法，在 np.matrix 中過載為矩陣乘法 對於np.array物件 a array 1,2 3,4 array中對應元素乘法...