Транспонирование матрицы в NumPy
В этом уроке вы транспонируете матрицу NumPy с помощью атрибута .T, превращая строки в столбцы, а столбцы в строки.
Введение
Какую задачу это решает
Данные часто хранятся «не той стороной»: по строке на месяц, а нужна строка на каждый товар, или матрица, форма которой не подходит для умножения. Транспонирование меняет строки и столбцы местами за один шаг.
Пример из жизни
Транспонирование похоже на то, как вы переписываете расписание, поменяв местами заголовки. То, что шло по верхней строке, теперь идёт сбоку: первая строка становится первым столбцом, вторая строка вторым столбцом. Числа в клетках не меняются, меняется только их место.
matrix🗓️ 2 строки, 3 столбцаmatrix.T🔄 Переписать, сделав строки столбцами[i, j] → [j, i]↘️ Клетка из строки i, столбца j переходит в строку j, столбец i(3, 2)📐 Теперь 3 строки, 2 столбцаТранспонирование матрицы меняет местами её строки и столбцы, так что элемент в строке i, столбце j переходит в строку j, столбец i.
Главное
- У
matrixформа (2, 3): две строки по три значения. - У
matrix.Tформа (3, 2): первая строка [1, 2, 3] становится первым столбцом. - Сами значения не меняются, меняется только их позиция.
.Tвозвращает представление (view), поэтому данные не копируются, а самаmatrixне меняется.
Когда это нужно?
- Подгонка форм для умножения матриц.
- Переход от раскладки, где каждому элементу отведена строка, к раскладке, где ему отведён столбец, и обратно.
- Формулы линейной алгебры, использующие транспонированные матрицы.
Когда это не нужно
- Изменение числа строк и столбцов без их обмена: используйте
reshape. - Одномерный массив:
.Tс ним ничего не делает. Сначала добавьте размерность черезreshape(-1, 1).
Как это работает
Нажмите transpose, чтобы поменять строки и столбцы местами. Наведите на ячейку, чтобы увидеть её новую позицию и смещение в памяти.
Пример кода
import numpy as np
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.T)
Результат выполнения
[[1 4]
[2 5]
[3 6]]
Разбор кода
Атрибут .T возвращает транспонированный двумерный массив. Обычно результат это представление, которое разделяет данные с исходным массивом, поэтому оно не занимает дополнительной памяти, а исходная матрица не меняется.
Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.
Упражнения для практики
Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.
- Измените форму (shape) и тип данных (dtype) входного массива.
- Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
- Примените ту же операцию к большему многомерному массиву и измерьте время.
Частые ошибки
reshape для транспонирования
reshape сохраняет порядок значений, поэтому результат - не транспонирование.
matrix.reshape(3, 2) # [[1 2] [3 4] [5 6]]
matrix.T # [[1 4] [2 5] [3 6]]
Закончили этот урок?
Отметьте его как изученный, чтобы следить за прогрессом.
Попрактикуйтесь на задаче
Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.
- Умножение матриц Перемножьте две матрицы — эта операция стоит за каждым слоем нейронной сети. Легко
- Масштабированное скалярное внимание Реализуйте операцию внимания — основу трансформеров и больших языковых моделей. Сложно
- Кластеризация k-means Разбейте точки на k кластеров, многократно назначая их ближайшему центроиду и сдвигая центроиды. Средне