DL--numpy vs. matlab 矩阵常用运算（乘积运算， 点乘，转置，幂运算, 求和，求逆，插入行列，获取行列数,,,,）

MATLAB常用的矩阵操作对应numpy的矩阵操作

用惯了matlab中的操作，每次用numpy操作矩阵时总有些想不起来，这里总结一下，便于记忆和后期查找。

---

• 初始化一个矩阵

matrix_a = [1 2 3; 4 5 6; 7 8 9] % in matlab
matrix_b = [3,2,1]
matrix_c = [2 3 1; 4 6 5; 1 2 3]

matrix_a = np.matrix([[1,2,3],[4,5,6], [7,8,9]], dtype = int) # in python, 默认dtype为int
matrix_b = np.matrix([3,2,1])
matrix_c = np.matrix([[2,3,1],[4,6,5], [1,2,3]])

• 获取矩阵行列数 m ,n

%获取matrix_a 的行列数， in matlab
m = size(matrix_a, 1)
n = size(matrix_a, 2)

#获取matrix_a的行列数， in nmupy
m = np.size(matrix_a, 0)
n = np.size(matrix_b, 1)

m = matrix_a.shape[0] # in python
n = matrix_a.shape[1]

• 矩阵转置

% matlab
% marix_b.shape = [1,3], matrix_b_t.shape =[3,1]
matrix_b_t = matrix_b' 

#numpy
matrix_b_t = np.transpose(matrix_b)
matrix_b_t = matrix_b.T #python可用 [.T]进行矩阵转置

• 矩阵求逆

% matlab
%求marix_a的逆矩阵
a_inv = inv(matrix_a)

#python
a_inv = matrix_a.I

*测试结果不一致，暂时先记录下

• 矩阵乘积

% Matlab
% 计算matrix_a , matrix_b 的乘积
matrix_d = matrix_a * matrix_b'

% 计算matrix_a , matrix_c 的点乘
matrix_e = matrix_a .* matrix_b  

#numpy
matrix_d = np.dot(matrix_a, matrix.T)
matrix_e = np.multiply(matrix_a, matrix_c)

• 矩阵幂运算

% Matlab
%求矩阵 matrix_a 内元素的2次幂运算
result = matrix_a.^2

#numpy
result = np.power(matrix_a, 2)
result = matrix_a ** 2 # in python 

• 求和

%Matlab
%求矩阵 matrix_a所有元素和
s_result = sum(sum(matrix_a))
s_row = sum(matrix_a, 1)
s_column = sum(matrix_a, 2)

#numpy
s_result = np.sum(matrix_a)
s_row = np.sum(matrix_a, 0)
s_column = np.sum(matrix_a, 1)

• 在矩阵中插入行列元素

%在matrix_a 的第一列前插入一列元素

new_matrix_a = [ones[m,1], matrix_a] % matlab

nwe_matrix_a = np.insert(matrix_a, 0, values =1 ,axis =1) # numpy

• 查找矩阵中的元素并输出，如：机器学习中查找正负样本对应的特征值。

     假设你有一个二分类训练数据 ： data如下。现分别取出正，负样本对于的特征值。

x1	x2	y
5	4	1
3	2	0
5	3	1
10	5	0

#注意python小标从0开始，matlab从1开始
% Matlab
pos = find(data[:, 3] == 1) %正样本
neg = find(data[:, 3] == 0) %负样本

data[pos, 1] % 所有正样本 x1 的值
data[pos, 2] % 所有正样本 x2 的值
data[neg, 1] % 所有负样本 x1 的值
data[neg, 2] % 所有负样本 x2 的值

#numpy
pos = np.array(data[:, 2] == 1)
neg = np.array(data[:, 2] == 0)
# matlab 的find 函数返回的下标， 这里是将符合条件（==1）的转换为布尔值(掩码)，再通过布尔值进行取值。

data[pos, 0]
data[pos, 1]
data[neg, 0]
data[pos, 1]

• 数组组合

    1）水平组合（x）：result = np.hstack((matrix_a, matrix_c))   shape of result is (6, 3)

     2) 垂直组合  (y)： result = np.vstack((matrix_a, matrix_c))  shape of result is (3, 6)

     3) 深度组合  (z)： result = np.dstack((matrix_a, matrix_c))  shape of result is (3, 3, 2)