np.eye()以及np.identity()

转载已于 2022-03-29 11:16:58 修改 · 449 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://blog.csdn.net/hellocsz/article/details/101014131

文章标签：

#python

于 2022-03-29 11:16:14 首次发布

本文详细介绍了NumPy中的np.eye()与np.identity()函数。np.eye()用于生成指定形状的单位矩阵，可通过参数调整对角线位置及数据类型；np.identity()则专门用于创建方阵，且默认为浮点型。同时，文中还展示了如何使用np.eye()生成one-hot向量作为训练样本标签。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、np.eye()
1. 函数的原型：numpy.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)

返回的是一个二维2的数组(N,M)，对角线的地方为1，其余的地方为0.

参数介绍：

（1）N:int型，表示的是输出的行数

（2）M：int型，可选项，输出的列数，如果没有就默认为N

（3）k：int型，可选项，对角线的下标，默认为0表示的是主对角线，负数表示的是低对角，正数表示的是高对角。

（4）dtype：数据的类型，可选项，返回的数据的数据类型

（5）order：{‘C’，‘F'}，可选项，也就是输出的数组的形式是按照C语言的行优先’C'，还是按照Fortran形式的列优先‘F'存储在内存中

案例：（普通的用法）

import numpy as np

a=np.eye(3)
print(a)
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
a=np.eye(4,k=1)
print(a)
[[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]
[0. 0. 0. 0.]]
2. 利用np.eye()生成One-hot向量或one-hot数组用作训练样本标签向量，例如

import numpy as np

labels=np.array([[1],[2],[0],[1]])#标签向量

a=np.eye(3)[1]#生成第二类的标签向量[[0. 1. 0.]]

labels转成one-hot形式的结果：
[[0. 1. 0.]
[0. 0. 1.]
[1. 0. 0.]
[0. 1. 0.]]

labels转化成one-hot后的大小： (4, 3)

二、np.identity()
这个函数和之前的区别在于，这个只能创建方阵，也就是N=M

函数的原型：np.identity(n,dtype=None)

参数：n，int型表示的是输出的矩阵的行数和列数都是n

dtype：表示的是输出的类型，默认是float

返回的是nxn的主对角线为1，其余地方为0的数组