Matrizen mit NumPy transponieren
In dieser Lektion transponierst du eine NumPy-Matrix und machst mit dem Attribut .T aus Zeilen Spalten und aus Spalten Zeilen.
Einführung
Das Problem
Daten sind oft falsch herum gespeichert: eine Zeile pro Monat, obwohl du eine Zeile pro Produkt brauchst, oder eine Matrix, deren Form nicht zu einer Multiplikation passt. Transponieren tauscht Zeilen und Spalten in einem Schritt.
Stell es dir so vor
Transponieren ist wie einen Stundenplan neu abschreiben, bei dem du die Überschriften tauschst. Was oben quer stand, steht jetzt links untereinander: Die erste Zeile wird zur ersten Spalte, die zweite Zeile zur zweiten Spalte. Jeder Eintrag behält seinen Wert, nur sein Platz ändert sich.
matrix🗓️ 2 Zeilen, 3 Spaltenmatrix.T🔄 Neu abschreiben: Zeilen werden zu Spalten[i, j] → [j, i]↘️ Zeile i, Spalte j wandert nach Zeile j, Spalte i(3, 2)📐 Jetzt 3 Zeilen, 2 SpaltenBeim Transponieren einer Matrix werden Zeilen und Spalten vertauscht: Das Element in Zeile i, Spalte j wandert in Zeile j, Spalte i.
Das Wichtigste
matrixhat die Form (2, 3): zwei Zeilen mit je drei Werten.matrix.That die Form (3, 2): Die erste Zeile [1, 2, 3] wird zur ersten Spalte.- Kein Wert ändert sich, nur seine Position.
.Tliefert eine View, es werden also keine Daten kopiert, undmatrixselbst bleibt unverändert.
Wann verwendet man das?
- Formen für die Matrixmultiplikation passend machen.
- Zwischen den Anordnungen eine Zeile pro Element und eine Spalte pro Element wechseln.
- Formeln der linearen Algebra, die transponierte Matrizen verwenden.
Wann du es nicht brauchst
- Die Zahl der Zeilen und Spalten ändern, ohne sie zu tauschen: Nimm
reshape. - Ein eindimensionales Array:
.Tbewirkt dort nichts. Füge zuerst mitreshape(-1, 1)eine Dimension hinzu.
So funktioniert es
Klicke auf transpose, um Zeilen und Spalten zu tauschen. Zeige auf eine Zelle, um ihre neue Position und den Speicher-Offset zu sehen.
Beispielcode
import numpy as np
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.T)
Ergebnis der Ausführung
[[1 4]
[2 5]
[3 6]]
Erklärung des Codes
Das Attribut .T gibt die transponierte Matrix eines zweidimensionalen Arrays zurück. Das Ergebnis ist meist eine Ansicht, die sich die Daten mit dem ursprünglichen Array teilt, es braucht also keinen zusätzlichen Speicher und die ursprüngliche Matrix bleibt unverändert.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungen zur Vertiefung
Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.
- Ändere die Form (shape) und den Datentyp (dtype) des Eingabearrays.
- Teste mit negativen Zahlen, Kommazahlen und fehlenden Werten.
- Wende dieselbe Operation auf ein größeres mehrdimensionales Array an und miss die Laufzeit.
Häufige Fehler
reshape zum Transponieren verwenden
reshape behält die Reihenfolge der Werte, das Ergebnis ist also keine Transponierung.
matrix.reshape(3, 2) # [[1 2] [3 4] [5 6]]
matrix.T # [[1 4] [2 5] [3 6]]
Lektion fertig?
Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.
Mit einer Challenge üben
Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.
- Matrizenmultiplikation Multipliziere zwei Matrizen, die Operation hinter jeder Schicht eines neuronalen Netzes. Einfach
- Skalierte Skalarprodukt-Attention Implementiere die Attention-Operation, das Herzstück von Transformern und großen Sprachmodellen. Schwierig
- K-Means-Clustering Teile Punkte in k Cluster ein, indem du sie wiederholt dem nächsten Zentroid zuordnest und die Zentroide verschiebst. Mittel