地址i j 1 1 1 2 2 1 3 1 2 4 2 2
地址ijk 1 1 1 1 2 2 1 1 3 1 2 1 4 2 2 1 5 1 1 2 6 2 1 2 7 1 2 2 8 2 2 2
地址i j 1 1 1 2 1 2 3 2 1 4 2 2
地址ijk 1 1 1 1 2 1 1 2 3 1 2 1 4 1 2 2 5 2 1 1 6 2 1 2 7 2 2 1 8 2 2 2
阵列 ( 1 : 24 , c(c) ( 4 , 三 , 2 ))
## , 1
## [,1] [,2] [,3]
## [1,] 1 5 9
## [2,] 2 6 10
## [3,] 3 7 11
## [4,] 4 8 12
##
## , 2
## [,1] [,2] [,3]
## [1,] 13 17 21
## [2,] 14 18 22
## [3,] 15 19 23
## [4,] 16 20 24
进口 numpy公司 作为 净现值
np.重塑(np.范围( 1 , 25 ), ( 4 , 三 , 2 ), “F” )
##阵列([[[1,
## [ 5, 17],
## [ 9, 21]],
##
## [[ 2, 14],
## [ 6, 18],
## [10, 22]],
##
## [[ 3, 15],
## [ 7, 19],
## [11, 23]],
##
## [[ 4, 16],
## [ 8, 20],
## [12, 24]]])
阵列 ( 1 : 24 , c(c) ( 4 , 三 , 2 ))[ 1 ,,删除 = 错误的 ]
## , 1
## [,1] [,2] [,3]
## [1,] 1 5 9
##
## , 2
## [,1] [,2] [,3]
## [1,] 13 17 21
图书馆 (网状)
净现值 <- 进口 ( “numpy” , 转换= 错误的 )
(x) <- 净现值 $ 阿兰奇 ( 1 , 9 ) $ 重塑 ( 2 L(左) , 2 L(左) , 2 L(左) ))
## [[[ 1. 2.]
## [ 3. 4.]]
##
## [[ 5. 6.]
## [ 7. 8.]]]
(年) <- py_to_r (x) )
## , 1
## [,1] [,2]
## [1,] 1 3
## [2,] 5 7
##
## , 2
## [,1] [,2]
## [1,] 2 4
## [2,] 6 8
年[ 1 ,,,删除 = 错误的 ]
## , 1
## [,1] [,2]
## [1,] 1 3
##
## , 2
## [,1] [,2]
## [1,] 2 4
年[ 1 ,,,删除 = 真的 ]
## [,1] [,2]
## [1,] 1 2
## [2,] 3 4
净现值 <- 进口 ( “numpy” , 转换= 错误的 )
(x) <- 净现值 $ 重塑 (np $ 阿兰奇 ( 1 , 25 ), c(c) ( 4 L(左) , 三 L(左) , 2 L(左) )))
## [[[ 1. 2.]
## [ 3. 4.]
## [ 5. 6.]]
##
## [[ 7. 8.]
## [ 9. 10.]
## [ 11. 12.]]
##
## [[ 13. 14.]
## [ 15. 16.]
## [ 17. 18.]]
##
## [[ 19. 20.]
## [ 21. 22.]
## [ 23. 24.]]]
(年) <- py_to_r (x) )
## , 1
## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 7 9 11
## [3,] 13 15 17
## [4,] 19 21 23
##
## , 2
## [,1] [,2] [,3]
## [1,] 2 4 6
## [2,] 8 10 12
## [3,] 14 16 18
## [4,] 20 22 24
净现值 $ 拿 (x, 0 L(左) , 2 L(左) )
## [[ 1. 3. 5.]
## [ 7. 9. 11.]
## [ 13. 15. 17.]
## [ 19. 21. 23.]]
y[, 1 ]
## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 7 9 11
## [3,] 13 15 17
## [4,] 19 21 23
(年) <- 阵列 ( 1 : 24 , c(c) ( 4 , 三 , 2 ))) #在R中
## , 1
## [,1] [,2] [,3]
## [1,] 1 5 9
## [2,] 2 6 10
## [3,] 3 7 11
## [4,] 4 8 12
##
## , 2
## [,1] [,2] [,3]
## [1,] 13 17 21
## [2,] 14 18 22
## [3,] 15 19 23
## [4,] 16 20 24
(x) <- 净现值 $ 阵列 (y) ) #现在用Python
## [[[ 1 13]
## [ 5 17]
## [ 9 21]]
##
## [[ 2 14]
## [ 6 18]
## [10 22]]
##
## [[ 3 15]
## [ 7 19]
## [11 23]]
##
## [[ 4 16]
## [ 8 20]
## [12 24]]]
y[, 1 ]
## [,1] [,2] [,3]
## [1,] 1 5 9
## [2,] 2 6 10
## [3,] 3 7 11
## [4,] 4 8 12
净现值 $ 拿 (x, 0 L(左) , 2 L(左) )
## [[ 1 5 9]
## [ 2 6 10]
## [ 3 7 11]
## [ 4 8 12]]
py_to_r (np $ 拿 (x, 0 L(左) , 2 L(左) ))
## [,1] [,2] [,3]
## [1,] 1 5 9
## [2,] 2 6 10
## [3,] 3 7 11
## [4,] 4 8 12
净现值 $ 重塑 (np $ 阿兰奇 ( 1 , 25 ), c(c) ( 4 L(左) , 三 L(左) , 2 L(左) ), “F” )
## [[[ 1. 13.]
## [ 5. 17.]
## [ 9. 21.]]
##
## [[ 2. 14.]
## [ 6. 18.]
## [ 10. 22.]]
##
## [[ 3. 15.]
## [ 7. 19.]
## [ 11. 23.]]
##
## [[ 4. 16.]
## [ 8. 20.]
## [ 12. 24.]]]
净现值 <- 进口 ( “numpy” , 转换= 错误的 )
o个 <- 进口 ( “操作员” , 转换= 错误的 )
o个 $ 附属的 (np $ 阿兰奇 ( 1 , 25 ) $ 重塑 ( 4 L(左) , 三 L(左) , 2 L(左) ),np $ 阵列 (y) )
## [[[ 0. 0.]
## [ 0. 0.]
## [ 0. 0.]]
##
## [[ 0. 0.]
## [ 0. 0.]
## [ 0. 0.]]
##
## [[ 0. 0.]
## [ 0. 0.]
## [ 0. 0.]]
##
## [[ 0. 0.]
## [ 0. 0.]
## [ 0. 0.]]]
图书馆 (网状)
净现值 <- 进口 ( “numpy” , 转换= 错误的 )
x个 <- 净现值 $ 阿兰奇 ( 1 , 25 ) $ 重塑 ( c(c) ( 4 L(左) , 三 L(左) , 2 L(左) ))
x个 $ 总和 ( 0 ) #注意:3x2矩阵!
## [[ 40. 44.]
## [ 48. 52.]
## [ 56. 60.]]
#注意:这里需要一个tuple()对象(NumPy向量无效)
x个 $ 总和 ( 元组 ( 1 L(左) , 2 L(左) ))
## [ 21. 57. 93. 129.]
图书馆 (张量流)
净现值 <- 进口 ( “numpy” , 转换= 错误的 )
一 <- 净现值 $ 阿兰奇 ( 1 , 9 ) $ 重塑 ( c(c) ( 2 L(左) , 2 L(左) , 2 L(左) ))
b条 <- 净现值 $ 阿兰奇 ( 1 , 5 ) $ 重塑 ( c(c) ( 2 L(左) , 2 L(左) , 1 L(左) ))
c(c) <- tf公司 $ 马特姆 (tf $ 常数 (a) 、tf $ 常数 (b) )
tf公司 $ 会话 () $ 运行 (c)
## , 1
## [,1] [,2]
## [1,] 5 11
## [2,] 39 53
打印 (a)
## [[[ 1. 2.]
## [ 3. 4.]]
##
## [[ 5. 6.]
## [ 7. 8.]]]
打印 (名词) $ 阵列 (A) )
## [[[1 5]
## [2 6]]
##
## [[3 7]
## [4 8]]]
打印 (A)
## , 1
## [,1] [,2]
## [1,] 1 2
## [2,] 3 4
##
## , 2
## [,1] [,2]
## [1,] 5 6
## [2,] 7 8