ทรานสโพสเมทริกซ์ด้วย NumPy
ในบทเรียนนี้ คุณจะทรานสโพสเมทริกซ์ NumPy เปลี่ยนแถวเป็นคอลัมน์และคอลัมน์เป็นแถวด้วยแอตทริบิวต์ .T
บทนำ
ปัญหาที่ต้องแก้
ข้อมูลมักถูกเก็บกลับด้าน: หนึ่งแถวต่อหนึ่งเดือน ทั้งที่คุณต้องการหนึ่งแถวต่อหนึ่งสินค้า หรือเมทริกซ์ที่รูปร่างไม่เข้ากับการคูณ การ transpose สลับแถวและคอลัมน์ในขั้นเดียว
ลองนึกภาพแบบนี้
การ transpose เหมือนการเขียนตารางเรียนใหม่โดยสลับหัวตาราง สิ่งที่เคยเขียนเรียงตามแนวนอนด้านบน ตอนนี้ไปเรียงตามแนวตั้งด้านข้าง แถวแรกกลายเป็นคอลัมน์แรก แถวที่สองกลายเป็นคอลัมน์ที่สอง ค่าในแต่ละช่องยังเหมือนเดิม เปลี่ยนแค่ตำแหน่งเท่านั้น
matrix🗓️ 2 แถว 3 คอลัมน์matrix.T🔄 เขียนใหม่โดยให้แถวกลายเป็นคอลัมน์[i, j] → [j, i]↘️ ช่องแถว i คอลัมน์ j ย้ายไปอยู่แถว j คอลัมน์ i(3, 2)📐 ตอนนี้เป็น 3 แถว 2 คอลัมน์การ transpose เมทริกซ์สลับแถวและคอลัมน์ สมาชิกที่แถว i คอลัมน์ j จึงย้ายไปที่แถว j คอลัมน์ i
ประเด็นสำคัญ
matrixมีรูปร่าง (2, 3): สองแถว แถวละสามค่าmatrix.Tมีรูปร่าง (3, 2): แถวแรก [1, 2, 3] กลายเป็นคอลัมน์แรก- แต่ละค่าคงตัวเลขเดิม เปลี่ยนแค่ตำแหน่ง
.Tคืนมุมมอง (view) จึงไม่มีการคัดลอกข้อมูล และmatrixเองไม่เปลี่ยน
ใช้เมื่อไร?
- ทำให้รูปร่างเข้ากันสำหรับการคูณเมทริกซ์
- สลับระหว่างเลย์เอาต์หนึ่งแถวต่อรายการกับหนึ่งคอลัมน์ต่อรายการ
- สูตรพีชคณิตเชิงเส้นที่ใช้เมทริกซ์ transpose
เมื่อไรยังไม่จำเป็น
- เปลี่ยนจำนวนแถวและคอลัมน์โดยไม่สลับ: ใช้
reshape - อาร์เรย์หนึ่งมิติ:
.Tไม่ทำอะไรกับมัน ให้เพิ่มมิติก่อนด้วยreshape(-1, 1)
ดูการทำงาน
กด transpose เพื่อสลับแถวกับคอลัมน์ ชี้ที่ช่องเพื่อดูตำแหน่งใหม่และ offset ในหน่วยความจำ
โค้ดตัวอย่าง
import numpy as np
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.T)
ผลลัพธ์จากการรัน
[[1 4]
[2 5]
[3 6]]
อธิบายโค้ด
แอตทริบิวต์ .T คืนเมทริกซ์ทรานสโพสของอาร์เรย์สองมิติ ผลลัพธ์มักเป็นวิวที่ใช้ข้อมูลร่วมกับอาร์เรย์เดิม จึงไม่ใช้หน่วยความจำเพิ่ม และเมทริกซ์เดิมไม่เปลี่ยนแปลง
เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python
แบบฝึกหัดเพิ่มเติม
ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก
- เปลี่ยนรูปร่าง (shape) และชนิดข้อมูล (dtype) ของอาร์เรย์อินพุต
- ทดสอบกับเลขติดลบ ทศนิยม และค่าที่หายไป
- ใช้การคำนวณเดียวกันกับอาร์เรย์หลายมิติที่ใหญ่ขึ้นและจับเวลา
ข้อผิดพลาดที่พบบ่อย
ใช้ reshape เพื่อ transpose
reshape คงลำดับของค่าไว้ ผลลัพธ์จึงไม่ใช่ transpose
matrix.reshape(3, 2) # [[1 2] [3 4] [5 6]]
matrix.T # [[1 4] [2 5] [3 6]]
เรียนบทนี้จบแล้วใช่ไหม
ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า
ฝึกด้วยโจทย์
ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI
- การคูณเมทริกซ์ คูณเมทริกซ์สองตัว ซึ่งเป็นการคำนวณเบื้องหลังทุกเลเยอร์ของโครงข่ายประสาทเทียม ง่าย
- Scaled dot-product attention เขียนการคำนวณ attention ซึ่งเป็นหัวใจของ Transformer และโมเดลภาษาขนาดใหญ่ ยาก
- การจัดกลุ่มแบบ K-means แบ่งจุดออกเป็น k กลุ่มโดยกำหนดจุดให้กับเซนทรอยด์ที่ใกล้ที่สุดและย้ายเซนทรอยด์ซ้ำไปเรื่อยๆ ปานกลาง