本文主要是介绍np.eye()以及np.identity()，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、np.eye()
1. 函数的原型：numpy.eye(N,M=None,k=0,dtype=<class 'float'>,order='C)
返回的是一个二维2的数组(N,M)，对角线的地方为1，其余的地方为0.
参数介绍：
（1）N:int型，表示的是输出的行数
（2）M：int型，可选项，输出的列数，如果没有就默认为N
（3）k：int型，可选项，对角线的下标，默认为0表示的是主对角线，负数表示的是低对角，正数表示的是高对角。
（4）dtype：数据的类型，可选项，返回的数据的数据类型
（5）order：{‘C’，‘F'}，可选项，也就是输出的数组的形式是按照C语言的行优先’C'，还是按照Fortran形式的列优先‘F'存储在内存中
案例：（普通的用法）
import numpy as np
a=np.eye(3)
print(a)
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
a=np.eye(4,k=1)
print(a)
[[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]
[0. 0. 0. 0.]]
2. 利用np.eye()生成One-hot向量或one-hot数组用作训练样本标签向量，例如
import numpy as np
labels=np.array([[1],[2],[0],[1]])#标签向量
a=np.eye(3)[1]#生成第二类的标签向量[[0. 1. 0.]]
labels转成one-hot形式的结果：
[[0. 1. 0.]
[0. 0. 1.]
[1. 0. 0.]
[0. 1. 0.]]
labels转化成one-hot后的大小： (4, 3)
二、np.identity()
这个函数和之前的区别在于，这个只能创建方阵，也就是N=M
函数的原型：np.identity(n,dtype=None)
参数：n，int型表示的是输出的矩阵的行数和列数都是n
dtype：表示的是输出的类型，默认是float
返回的是nxn的主对角线为1，其余地方为0的数组
这篇关于np.eye()以及np.identity()的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
