1分钟带你学会NumPy的矩阵操作 1.算术运算符加减乘除# 导包import numpy as np# 创建一个4行5列的二维数组n = np.random.randint(0,10,size=(4,5))n# 执行结果array([[1, 2, 3, 4, 5], [2, 9, 7, 0, 0], [5, 1, 3, 2, 5], [2, 7, 2, 2, 9]]) # 加法：数组每...
Lp 范数用于衡量向量的绝对值各次方和的 p 次方根。对于向量 $\textbf{x}$,其 Lp 范数计算如下: $$|\textbf{x}|{p} = (\sum{i=1}^n |x_i|^p)^{\frac{1}{p}}$$ 用NumPy 计算向量的 Lp 范数: importnumpyasnp x=np.array([1,-2,3,-4,5])p_norm=np.linalg.norm(x,ord=3)print(...
2.5.4 创建一个100000长度的随机数组,使用两种方法对其求三次方(1、for循环;2、NumPy自带方法),并比较所用时间 %%time:可以显示代码的运行时间,这个执行时间会和电脑的性能挂钩 使用for 循环 %%timeimport numpy as nparr = np.random.randint(0, 10, size = 100000)res = []for item in arr:res.append(...
[0.2, 0.7, 0.2, 0.2, 0.9]]) # 整除:数组每个元素除以2后取整 n // 2 # 执行结果 array([[0, 1, 1, 2, 2], [1, 4, 3, 0, 0], [2, 0, 1, 1, 2], [1, 3, 1, 1, 4]], dtype=int32) # 次方:数组每个元素的2次方 n ** 2 # 执行结果 array([[ 1, 4, 9, 16, ...