python基于numpy的矩阵相关操作

在学习的过程中，经常需要对矩阵进行操作。本文对经常用到的矩阵操作进行一定的整理。（更新ing，后续不定期增添修改）

基于 numpy

导入 numpy

import numpy as np

生成数组

# 指定特定的数生成数组
mat = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]...])
# 生成指定维数的全0数组
mat = np.zeros(3) #生成3维全0数组
mat = np.zeros((3, 3)) #生成3*3全0数组
# 生成指定维数的全1数组
mat = np.ones(3) #生成3维全1数组
mat = np.ones((3, 3)) #生成3*3全1数组
# 生成符合正态分布的随机数数组
np.random.normal(0, 0.01, (2, 1)) # 生成均值为0， 方差为0.01，维度为2*1的随机数数组

矩阵数组操作

# 查看维度
mat.shape
# 转置
mat.T
# 矩阵相乘 要求m*k的矩阵mat1与k*n矩阵mat2相乘
mat1 * mat2
# 矩阵点乘，要求m*n的矩阵mat1与m*n矩阵mat2相乘
np.multuply(mat1, mat2)

其他操作方式，

from numpy.linalg import *
# numpy.linalg：线性代数相关的函数
# 矩阵求逆
inv(mat)
# 转置
mat.transpose()
# 行列式
det(mat)