numpy 의 배열 전환 에 대한 설명 및 벡터 내 적 계산 방법

좀 죄 송 한 것 은 제 가 수학 실력 이 정말 좋 지 않 아서 고등학교 의 긴장 을 거 쳐 대학 에 도착 한 후에 느슨 해 졌 습 니 다.원래 고등학교 때 부터 좀 늦 었 던 수학 은 대학 에 들 어가 서 더 곤두박질 쳤 다.선형 대 수 는 직접적 으로 배우 지 못 했 고 똑 같이 배우 지 못 한 것 은 확률 과 통계 와 복 변 함수 도 있다.지금도 나 는 이것 이 인생 에서 부 끄 러 운 일이 라 고 생각한다.하지만 다행히 나 는 아직 기회 가 있어 서 무성의 하지 않 기 위해 공 부 를 하 러 갔다.
행렬 의 전환 이 어떤 역할 을 하 는 지 모 르 겠 습 니 다.오늘 행렬 의 전환 작업 을 정리 한 후에 먼저 인터넷 에 가서 관련 지식 을 보충 하 겠 습 니 다.
오늘 의 코드 조작 은 다음 과 같다.

In [15]: arr1 = np.arange(20)


In [16]: arr1
Out[16]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
    17, 18, 19])


In [17]: arr2 = arr1.reshape((4,5))


In [18]: arr2
Out[18]:
array([[ 0, 1, 2, 3, 4],
    [ 5, 6, 7, 8, 9],
    [10, 11, 12, 13, 14],
    [15, 16, 17, 18, 19]])


In [19]: arr3 = arr2.T


In [20]: arr3
Out[20]:
array([[ 0, 5, 10, 15],
    [ 1, 6, 11, 16],
    [ 2, 7, 12, 17],
    [ 3, 8, 13, 18],
    [ 4, 9, 14, 19]])


In [21]: np.dot(arr3,arr2)
Out[21]:
array([[350, 380, 410, 440, 470],
    [380, 414, 448, 482, 516],
    [410, 448, 486, 524, 562],
    [440, 482, 524, 566, 608],
    [470, 516, 562, 608, 654]])
Reshape 의 방법 은 배열 의 차원 을 바 꾸 는 것 이 고 T 의 속성 은 행렬 의 전 치 를 실현 하 는 것 이다.계산 결 과 를 보면 행렬 의 전 치 는 실제 적 으로 행렬 의 대 축 전환 을 실현 한 것 이다.행렬 전환 에 자주 사용 되 는 곳 은 행렬 의 내 적 을 계산 하 는 데 적용 된다.그리고 이 산수 연산 의 의미 에 대해 저도 명확 하지 않 습 니 다.이것 도 오늘 보충 수업 의 내용 이 라 고 할 수 있 습 니 다!
앞의 두 개의 보충 수업 에 대하 여 한 무더기 의 자 료 를 보 았 지만 확실히 이해 하기 어렵다.하지만 항상 기억 공식 은 내 가 원 하 는 결과 가 아니 라 앞으로 도 끊임없이 이해 해 야 한다.그러나 내 적 에 대해 서 는 기하학 적 해석 이 나 왔 고 맞 는 지 모르겠다.고 차원 공간의 벡터 에서 저 차원 자 공간의 투영 까지 오랫동안 생각 했 지만 여전히 이해 하지 못 했다.보아하니 선형 대 수 는 머리 를 숙 이 고 잘 이해 해 야 할 것 같다.
이상 의 이 numpy 에서 배열 전환 에 대한 설명 과 벡터 내 적 계산 방법 은 바로 소 편 이 여러분 에 게 공유 하 는 모든 내용 입 니 다.여러분 께 참고 가 되 고 여러분 들 이 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.

좋은 웹페이지 즐겨찾기