矩阵及绘图

Dear 丶 2022-04-18 06:47 172阅读 0赞

#### tensorflow的矩阵运算 ####

#有的数据是事先定义好，有的需要实时插入
    import tensorflow as tf
    data1=tf.placeholder(tf.float32)
    data2=tf.placeholder(tf.float32)
    dataAdd=tf.add(data1,data2)
    with tf.Session() as sess:
        print(sess.run(dataAdd,feed_dict={ data1:6,data2:2}))
        
    #参数一：运算后的张量
    #参数二：追加的数据，用feed_dict{冒号后面的变量的参数}
    print('end!')

**矩阵定义：**

*  M行N列，外面是\[\],里面的\[\]是列数据，\[\]整体代表一行
 *  定义一行两列数据：\[\[1,2\]\]

import tensorflow as tf
    data1=tf.constant([[6,6]])#一行两列
    data2=tf.constant([[2],[3]])#两行一列
    data3=tf.constant([[1,2],[3,4],[5,6]])#三行两列
    
    #打印矩阵
    with tf.Session() as sess:
        print(sess.run(data3))#打印整个矩阵
        print(sess.run(data3[2]))#打印第3行的数据
        print(sess.run(data3[:,1]))#打印第2列的数据
        print(sess.run(data3[1,1]))#打印第二行第二列的数据
        # 0 代表第一行或第一列，从0开始递增

**矩阵运算：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2F5YW5nYW5uOTE1_size_16_color_FFFFFF_t_70]

import tensorflow as tf
    data1=tf.constant([[6,6]])
    data2=tf.constant([[2],[2]])
    data4=tf.constant([[1,2],[3,4],[5,6]])
    data3=tf.constant([[3,3]])
    matMul=tf.matmul(data1,data2)
    matMul2=tf.multiply(data1,data2)
    matAdd=tf.add(data1,data3)
    with tf.Session() as sess:
        print(sess.run(matMul))#一维 data1: 1 X 2 data2: 2 X 1----->1 X 1，真正的矩阵乘法
        print(sess.run(matAdd))#一行两列，两个加数维数要相同
        print(sess.run(matMul2))#两行两列 ，对应元素相乘，维数不一定相同
        print(sess.run([matMul,matAdd]))#使用中括号，一次性打印多个值

**特殊矩阵：**

import tensorflow as tf
    mat0=tf.constant([[0,0,0],[0,0,0]])#定义全为0的空矩阵
    
    #当矩阵中数很多时，不能一个个输入
    mat1=tf.zeros([10,10])#定义10X10的全零矩阵
    
    #定义全一矩阵
    mat2=tf.ones([4,4])#定义4X4的全一矩阵
    
    #矩阵的填充
    mat3=tf.fill([2,3],15)#生成2X3的矩阵，里面的值都为15
    
    with tf.Session() as sess:
        print(sess.run(mat0))
        print(sess.run(mat1))
        print(sess.run(mat2))
        print(sess.run(mat3))

import tensorflow as tf
    mat1=tf.constant([[1],[2],[3]])
    mat2=tf.zeros_like(mat1)#生成一个全0矩阵，维度和mat1相同
    
    #将0-2的数据分成相等的10分
    mat3=tf.linspace(0.0,2.0,11)
    
    #随机矩阵序列
    mat4=tf.random_uniform([2,3],-1,2)#维度是2X3，范围是-1～2
    
    with tf.Session() as sess:
        print(sess.run(mat2))
        print(sess.run(mat3))
        print(sess.run(mat4))

#### 通过numpy模块使用矩阵 ####

import numpy as np
    data1=np.array([1,2,3,4])
    data2=np.array([[1,2],[2,3]])
    print(data1)
    print(data2)
    print(data2.shape,data2.shape)
    
    #打印全0矩阵
    print(np.zeros((2,3)))#两行三列
    #打印全一矩阵
    print(np.ones((3,4)))#三行四列
    print(np.ones([2,3]))
    
    #改
    data2[1,0]=5
    print(data2)
    
    #查
    print(data2[1,1])
    
    
    #结果
    """ [1 2 3 4] [[1 2] [2 3]] (2, 2) (2, 2) [[0. 0. 0.] [0. 0. 0.]] [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] [[1. 1. 1.] [1. 1. 1.]] [[1 2] [5 3]] 3 """

**矩阵的基本运算：**

import numpy as np
    data3=np.ones((2,3))
    print(data3*2)#对应相乘
    print(data3/3)#并没有把结果赋给data3，所以操作还是基于单位矩阵
    print(data3+2)#对应元素相加
    
    data4=np.array([[1,2,3],[4,5,6]])
    print(data3+data4)#对应元素相加
    
    print(data3*data4)#对应元素相乘
    
    #result:
    """ [[2. 2. 2.] [2. 2. 2.]] [[0.33333333 0.33333333 0.33333333] [0.33333333 0.33333333 0.33333333]] [[3. 3. 3.] [3. 3. 3.]] [[2. 3. 4.] [5. 6. 7.]] [[1. 2. 3.] [4. 5. 6.]] """

#### matplotlib模块的使用 ####

import numpy as np
    import matplotlib.pyplot as plt
    x=np.array([1,2,3,4,5,6])
    y=np.array([3,5,7,4,5,6])
    plt.plot(x,y,'r')#绘制折线图
    plt.plot(x,y,'b',lw=10)
    #参数一：x轴坐标
    #参数二：y轴坐标
    #参数三：颜色
    #参数四：折线的宽度
    
    #t图标：折线，饼状，柱状
    
    
    
    #实现柱状图
    x=np.array([1,2,3,4,5,6,4,12,1,11,23])
    y=np.array([3,5,7,4,5,6,4,6,8,3,5])
    plt.bar(x,y,0.9,alpha=0.5,color='r')
    #参数一：x
    #参数二：y
    #参数三：每个柱状的占有宽度比例
    #参数四：透明度
    #参数五：颜色
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2F5YW5nYW5uOTE1_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2F5YW5nYW5uOTE1_size_16_color_FFFFFF_t_70]: /images/20220418/f5fd2ae24c12464996568bbcf8244255.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2F5YW5nYW5uOTE1_size_16_color_FFFFFF_t_70 1]: /images/20220418/4a4f7beb7e8a42cbad03627c3f645898.png