前面介绍过用dnarray来模拟,但mat更符合矩阵,这里的mat与Matlab中的很相似。(mat与matrix等同)
基本操作
>>> m= np.mat([1,2,3]) #创建矩阵 >>> m matrix([[1, 2, 3]]) >>> m[0] #取一行 matrix([[1, 2, 3]]) >>> m[0,1] #第一行,第2个数据 2 >>> m[0][1] #注意不能像数组那样取值了 Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__ out = N.ndarray.__getitem__(self, index) IndexError: index 1 is out of bounds for axis 0 with size 1 #将Python的列表转换成NumPy的矩阵 >>> list=[1,2,3] >>> mat(list) matrix([[1, 2, 3]]) #Numpy dnarray转换成Numpy矩阵 >>> n = np.array([1,2,3]) >>> n array([1, 2, 3]) >>> np.mat(n) matrix([[1, 2, 3]]) #排序 >>> m=np.mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵 >>> m matrix([[2, 5, 1], [4, 6, 2]]) >>> m.sort() #对每一行进行排序 >>> m matrix([[1, 2, 5], [2, 4, 6]]) >>> m.shape #获得矩阵的行列数 (2, 3) >>> m.shape[0] #获得矩阵的行数 2 >>> m.shape[1] #获得矩阵的列数 3 #索引取值 >>> m[1,:] #取得第一行的所有元素 matrix([[2, 4, 6]]) >>> m[1,0:1] #第一行第0个元素,注意左闭右开 matrix([[2]]) >>> m[1,0:3] matrix([[2, 4, 6]]) >>> m[1,0:2] matrix([[2, 4]])
矩阵求逆、行列式
与NUmpy array相同,链接。
矩阵乘法
矩阵乘,与Numpy dnarray类似,可以使用np.dot()和np.matmul(),除此之外,由于matrix中重载了“*”,因此“*”也能用于矩阵乘。
>>> a = np.mat([[1,2,3], [2,3,4]]) >>> b = np.mat([[1,2], [3,4], [5,6]]) >>> a matrix([[1, 2, 3], [2, 3, 4]]) >>> b matrix([[1, 2], [3, 4], [5, 6]]) >>> a * b #方法一 matrix([[22, 28], [31, 40]]) >>> np.matmul(a, b) #方法二 matrix([[22, 28], [31, 40]]) >>> np.dot(a, b) #方法三 matrix([[22, 28], [31, 40]])
点乘,只剩下multiply方法了。
>>> a = np.mat([[1,2], [3,4]]) >>> b = np.mat([[2,2], [3,3]]) >>> np.multiply(a, b) matrix([[ 2, 4], [ 9, 12]])
矩阵转置
转置有两种方法:
>>> a matrix([[1, 2], [3, 4]]) >>> a.T #方法一,ndarray也行 matrix([[1, 3], [2, 4]]) >>> np.transpose(a) #方法二 matrix([[1, 3], [2, 4]])
值得一提的是,matrix中求逆还有一种简便方法(ndarray中不行):
>>> a matrix([[1, 2], [3, 4]]) >>> a.I matrix([[-2. , 1. ], [ 1.5, -0.5]])
参考链接:
1、https://blog.csdn.net/taoyanqi8932/article/details/52703686
2、https://blog.csdn.net/Asher117/article/details/82934857
3、https://blog.csdn.net/cqk0100/article/details/76221749