我在SciPy文档中看到了这个例子:
x, y = np.random.multivariate_normal(mean, cov, 5000).T
最后一个字母T在这里有什么作用?
wwwo4jvm1#
.T访问对象的属性T,该对象恰好是一个NumPy数组。T属性是数组的转置,请参阅文档。很明显你在平面上创建了随机坐标。multivariate_normal()的输出可能如下所示:
.T
T
multivariate_normal()
>>> np.random.multivariate_normal([0, 0], [[1, 0], [0, 1]], 5) array([[ 0.59589335, 0.97741328], [-0.58597307, 0.56733234], [-0.69164572, 0.17840394], [-0.24992978, -2.57494471], [ 0.38896689, 0.82221377]])
这个矩阵的转置是:
array([[ 0.59589335, -0.58597307, -0.69164572, -0.24992978, 0.38896689], [ 0.97741328, 0.56733234, 0.17840394, -2.57494471, 0.82221377]])
其可以通过序列解包方便地分离为x和y部分。
x
y
zrfyljdw2#
.T就是np.transpose()。好运
mdfafbf13#
例如
import numpy as np a = [[1, 2, 3]] b = np.array(a).T # ndarray.T The transposed array. [[1,2,3]] -> [[1][2][3]] print("a=", a, "\nb=", b) for i in range(3): print(" a=", a[0][i]) # prints 1 2 3 for i in range(3): print(" b=", b[i][0]) # prints 1 2 3
3条答案
按热度按时间wwwo4jvm1#
.T
访问对象的属性T
,该对象恰好是一个NumPy数组。T
属性是数组的转置,请参阅文档。很明显你在平面上创建了随机坐标。
multivariate_normal()
的输出可能如下所示:这个矩阵的转置是:
其可以通过序列解包方便地分离为
x
和y
部分。zrfyljdw2#
.T就是np.transpose()。好运
mdfafbf13#
例如