Numpy numpy.eye
numpy.eye
函数用于创建一个二维数组,其中对角线元素为1,其余元素为0。该函数的语法如下:
numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')
参数说明:
– N
:生成的数组的行数
– M
:生成的数组的列数,默认为N
– k
:对角线的偏移量,默认为0,表示主对角线
– dtype
:数组的数据类型,默认为float
– order
:数组元素在内存中的存储顺序,默认为C
,即按行存储
下面我们将详细介绍 numpy.eye
函数的用法,并提供一些示例代码。
示例代码
示例1:生成一个3×3的单位矩阵
import numpy as np
arr = np.eye(3)
print(arr)
Output:
示例2:生成一个4×5的单位矩阵
import numpy as np
arr = np.eye(4, 5)
print(arr)
Output:
示例3:生成一个3×3的单位矩阵,偏移主对角线1位
import numpy as np
arr = np.eye(3, k=1)
print(arr)
Output:
示例4:生成一个3×3的整型单位矩阵
import numpy as np
arr = np.eye(3, dtype=int)
print(arr)
Output:
示例5:生成一个3×3的单位矩阵,按列存储
import numpy as np
arr = np.eye(3, order='F')
print(arr)
Output:
示例6:生成一个5×5的单位矩阵,偏移主对角线2位
import numpy as np
arr = np.eye(5, k=2)
print(arr)
Output:
示例7:生成一个2×3的单位矩阵
import numpy as np
arr = np.eye(2, 3)
print(arr)
Output:
示例8:生成一个3×3的单位矩阵,偏移主对角线-1位
import numpy as np
arr = np.eye(3, k=-1)
print(arr)
Output:
示例9:生成一个4×4的单位矩阵,数据类型为复数
import numpy as np
arr = np.eye(4, dtype=complex)
print(arr)
Output:
示例10:生成一个3×3的单位矩阵,按列存储,数据类型为整型
import numpy as np
arr = np.eye(3, dtype=int, order='F')
print(arr)
Output:
示例11:生成一个5×5的单位矩阵,偏移主对角线-2位
import numpy as np
arr = np.eye(5, k=-2)
print(arr)
Output:
示例12:生成一个3×3的单位矩阵,偏移主对角线3位
import numpy as np
arr = np.eye(3, k=3)
print(arr)
Output:
示例13:生成一个3×3的单位矩阵,按列存储,数据类型为复数
import numpy as np
arr = np.eye(3, dtype=complex, order='F')
print(arr)
Output:
示例14:生成一个4×4的单位矩阵,偏移主对角线-3位
import numpy as np
arr = np.eye(4, k=-3)
print(arr)
Output:
示例15:生成一个2×2的单位矩阵
import numpy as np
arr = np.eye(2)
print(arr)
Output:
示例16:生成一个3×3的单位矩阵,偏移主对角线-2位
import numpy as np
arr = np.eye(3, k=-2)
print(arr)
Output:
示例17:生成一个5×5的单位矩阵,数据类型为整型
import numpy as np
arr = np.eye(5, dtype=int)
print(arr)
Output:
示例18:生成一个3×3的单位矩阵,按列存储,数据类型为复数
import numpy as np
arr = np.eye(3, dtype=complex, order='F')
print(arr)
Output:
示例19:生成一个4×4的单位矩阵,偏移主对角线1位
import numpy as np
arr = np.eye(4, k=1)
print(arr)
Output:
示例20:生成一个2×3的单位矩阵
import numpy as np
arr = np.eye(2, 3)
print(arr)
Output:
通过以上示例代码,我们可以看到 numpy.eye
函数的灵活性和便利性,可以根据需要生成不同大小、不同数据类型、不同偏移量的单位矩阵。这对于科学计算和数据处理非常有用。