84 lines
2.4 KiB
Markdown
84 lines
2.4 KiB
Markdown
# NumPy identity 函数:返回一个主对角线上有 1 的正方形数组
|
||
|
||
> 原文：<https://www.askpython.com/python-modules/numpy/numpy-identity>
|
||
|
||
在本文中，我们将尝试理解 Python 中 NumPy 的 identity 函数。
|
||
|
||
Python 包 NumPy(数值 Python)用于操作数组。使用 NumPy 可以在一个数组上执行许多数学运算。
|
||
|
||
它提供了一个庞大的高级数学函数库来处理这些数组和矩阵，并提供了强大的数据结构来确保使用数组和矩阵进行高效计算。
|
||
|
||
2005 年，特拉维斯·奥列芬特开发了 NumPy。您可以免费使用它，因为它是一个开源项目。
|
||
|
||
***也读作: [Numpy 渐变:返回 N 维数组的渐变](https://www.askpython.com/python/numpy-gradient)***
|
||
|
||
## numpy.identity()是什么？
|
||
|
||
该函数用于返回一个主对角线上有 1 的正方形数组(行数和列数相等的数组)，这种数组称为*恒等数组*。
|
||
|
||
## numpy.identity()的语法
|
||
|
||
```py
|
||
numpy.identity(n, dtype=None, like=None)
|
||
|
||
```
|
||
|
||
### 因素
|
||
|
||
* **n: int**
|
||
* 需要
|
||
* 所需输出数组的行数或列数
|
||
* **dtype:数据类型**
|
||
* 可选择的
|
||
* 输出数组中值的数据类型，
|
||
* 默认设置为浮动。
|
||
* **like: array_like**
|
||
* 可选择的
|
||
* 可以使用引用对象创建非 NumPy 数组。如果符合**数组函数**协议，则结果将由 as like 中提供的数组 like 确定。在这种情况下，它确保创建的数组对象与作为参数提供的对象兼容。
|
||
|
||
返回一个 n x n 对称数组，其主对角线设置为 1，所有剩余元素设置为零。
|
||
|
||
## numpy.identity()的实现
|
||
|
||
在使用这个函数之前，请确保在 IDE 中导入 NumPy 包。要导入 NumPy 包，请运行以下代码行。
|
||
|
||
```py
|
||
import numpy as np
|
||
|
||
```
|
||
|
||
### 示例 1:只传递“n”参数
|
||
|
||
```py
|
||
np.identity(4)
|
||
|
||
```
|
||
|
||
**输出**
|
||
|
||
|
||
|
||
Example 1
|
||
|
||
### 示例 2:传递其他参数
|
||
|
||
```py
|
||
np.identity(3, dtype=int)
|
||
|
||
np.identity(3, dtype=complex)
|
||
|
||
```
|
||
|
||
**输出**
|
||
|
||
|
||
|
||
Example 2
|
||
|
||
## 摘要
|
||
|
||
通过使用 Python 中的 NumPy 包，处理数组变得很容易。identity()函数是创建一个 n×n 单位矩阵/数组的简单方法。
|
||
|
||
## 参考
|
||
|
||
[https://numpy . org/doc/stable/reference/generated/numpy . identity . html](https://numpy.org/doc/stable/reference/generated/numpy.identity.html) |