【Python】轻松算！教你用numpy库算矩阵

矩阵运算及其重要性

所谓的数据处理，其本质大都可以归为矩阵运算。因为需要处理的数据大都是矩阵或向量的形式，因此个人认为一个工具适不适合做数据处理，一个重要的指标的就是支不支持矩阵运算，因为如果没有矩阵运算，循环去处理一大堆数据势必会造成运行过长的问题。而这也是为什么很多人会推荐在使用python处理数据的时候不要用它自带的list，而要用numpy。                 

用于矩阵运算的numpy库函数

矩阵乘法：

叉乘	numpy.dot(A, B)
点乘	A*B or numpy.multiply(A,B)

import numpyA = [[1,2,1],[2,-1,0],[1,1,0]]B = [[1,2,1],[2,-1,0],[1,1,0]]C=numpy.dot(A,B)print(C)

import numpyA = [[1,2,1],[2,-1,0],[1,1,0]]B = [[1,2,1],[2,-1,0],[1,1,0]]C=numpy.multiply(A,B)print(C)

矩阵转置：.T

import numpyA = numpy.array([[1,3,1],[2,-1,0],[1,1,0]])print(A)print(A.T)

矩阵求逆：np.linalg.inv(A)​​​​​​​

import numpyA = numpy.array([[1,3,1],[2,-1,0],[1,1,0]])print(A)print(numpy.linalg.inv(A))

向量合并：

1	直接中括号连接或append
2	使用numpy库中的vstack和hstack函数

import numpya = [1,2,1]b = [0,1,0]A=numpy.array(a)B=numpy.array(b)print(numpy.append(A,B))print(numpy.array([A,B])

​​​​​​​

import numpya = [1,2,1]b = [0,1,0]A=numpy.array(a)B=numpy.array(b)print(numpy.hstack((A,B)))print(numpy.vstack((A,B)))

形状变换：reshape​​​​​​​

import numpy as nps = np.array([1,2,3,4,5,6])np.reshape(s,(3,2)) s.reshape(2,3)

方阵的行列式和秩：

行列式	linalg.det
秩	linalg.matrix_rank

import numpyA = numpy.array([[1,2],[2,3]])print(numpy.linalg.det(A))

import numpyA = numpy.array([[1,2],[2,3]])print(numpy.linalg.matrix_rank(A))

方阵的迹：trace​​​​​​​

import numpyA = numpy.array([[1,2],[2,3]])print(numpy.trace(A))

解线性方程：linalg.solve​​​​​​​

# 对于形式如AX=b的线性方程，使用numpy解方程import numpyA=numpy.array([[1,2],[2,3]])b=numpy.array([[1],[4]])X=numpy.linalg.solve(A,b)print(X)