python数组/向量/矩阵数据导入及运算

1.数据导入

1.1直接导入数据

（1）数组型：

①直接赋值

创建一个列表，表示数组（一个单纯的数组，不分行列）。

a = [1,2,3]

②通过numpy函数

numpy数组的好处是更便于对数组进行运算，注意数组型与向量型数据的元素之间都由空格隔开，而列表元素间是由逗号隔开的。即下述代码print结果为[1 2 3]

import numpy as np  
a = np.array([1, 2, 3])

（2）向量型：

单层[ ]为数组，双层[[ ]]为向量

①行向量：

import numpy as np
a=np.array([[1,2,3]])
'''注意是双层[]'''

import numpy as np
b=np.array([1,2,3]).reshape((1,-1))
'''其含义是行数设置为1，列数由数据决定'''

②列向量：

import numpy as np
a=np.array([[1],[2],[3]])
'''类似矩阵的输入'''

import numpy as np
a=np.array([[1,2,3]]).T
'''注意是双层[],T表示转置'''

import numpy as np
b=np.array([1,2,3]).reshape((-1,1))
'''其含义是列数设置为1，行数由数据决定'''

（3）矩阵型：

import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9]])

import numpy as np
a = np.mat([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
'''注意是双层[]'''

（4）数组型与向量型的互相转换

import numpy as np
'''数组[1,2,3]转换为行向量'''
b=np.array([1,2,3]).reshape((1,-1))
'''数组[1,2,3]转换为列向量'''
b=np.array([1,2,3]).reshape((-1,1))
'''行向量vec_row转换为数组'''
b=vec_row.reshape(-1)
'''列向量vec_col转换为数组'''
b=vec_col.reshape(-1)

1.2excel导入数据

xlrd和openpyxl都是Python中用于处理Excel文件的库，选择时需要注意以下区别。

（1）xlrd主要支持Excel 2007之前的版本，即.xls文件，而openpyxl则主要针对Excel 2007及之后的版本，即.xlsx文件。

（2）写入操作：xlrd不支持写入操作，只能用于读取Excel文件。而openpyxl则提供了写入功能，可以修改和保存Excel文件。

（3)读写速度：在读写速度方面，xlrd/xlwt（与xlrd配套使用的写入库）通常比openpyxl更快，特别是在处理大型文件时。这是因为openpyxl在处理大型文件时可能会遇到性能问题。

（4）文件大小限制：xlrd对单个sheet的行数有限制，不超过65535行。而openpyxl则没有这样的限制，可以处理更大的文件。

一般个人习惯选择openpyxl库。如果处理的是.xls文件，可以在弹出的另存为对话框中，保存类型，选择Excel工作簿.xlsx，即将.xls文件转换为.xlsx文件。

import numpy as np
import openpyxl
file = 'F:\数据.xlsx'  '''文件存储路径'''
data = openpyxl.load_workbook(file) '''导入文件'''
sheet = data.worksheet[0] '''导入表，第一张表，索引为0'''
'''sheet.max_row : 取最大行数'''
'''选取每行的3-5列的元素分别生成数组'''
'''注意此时的行列索引初始都是从1开始的'''
for row in range(1,sheet.max_row+1): 
    final = []
    for col in range(3,6):
        cell_value = sheet.cell(row, col).value
        final.append(cell_value)
    final_array = np.array(final)
    print(final_array)
'''通过np.array将列表数据生成数组，可以对数组进行运算操作'''

此时如果需要对final列表中增添元素，例如增添1元素，必须是final.append(1)，之后再进行np.array操作，而不能对final_array进行append操作。

因为append操作只能对list做，不能对array做。numpy数组不支持append操作。

拓展：如果excel中存在用“=表达式”形式赋值的单元格，用openpyxl读取单元格内容会读取该表达式，而非计算结果，此时应该用pandas库的read_excel来读取，这种方法也是最通用的方法。此时行列索引从0开始，因为其使用基于0的索引系统。如果存在行列名，会变成行列标签，数据开始的行/列索引为0.

data = pd.read_excel('数据.xlsx',engine='openpyxl')
'''pandas库行列坐标索引从0开始'''
'''读取单元格数据用data.iloc[row, col]，通过索引坐标定位单元格'''
'''最大行数用data.shape[0]来计算，如果是最大列数则是shape[1]'''
max_row = data.shape[0]
for row in range(1,max_row): 
    final = []
    for col in range(3,6):
        cell_value = data.iloc[row, col]
        final.append(cell_value)
    final_array = np.array(final)
    print(final_array)

1.3 .npy文件导入数据

import numpy as np
from path import matrix1'''从path.py导入里面存储的matrix1路径'''
data = np.load(matrix1)

2.运算

2.1向量运算

a+b两向量对应位置元素相加

a*3 每个元素都乘以常数3

np.dot(a,b) 向量的点乘（内积）

np.cross(a,b) 向量的叉乘（外积）

np.linalg.norm(a)向量求模

2.2矩阵运算

a+b 两矩阵对应位置元素相加

a*3 每个元素都乘以常数3

a*b 两矩阵对应位置元素相乘

a@b 矩阵的乘法

np.dot(a,b) 矩阵的乘法