python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包。
1.numpy的导入和使用
-
from numpy
import *;
#导入numpy的库函数
-
import numpy
as np;
#这个方式使用numpy的函数时,需要以np.开头。
2.矩阵的创建
由一维或二维数据创建矩阵
-
from numpy
import *;
-
a1=array([
1,
2,
3]);
-
a1=mat(a1);
创建常见的矩阵
-
data1=mat(zeros((
3,
3)));
-
#创建一个3*3的零矩阵,矩阵这里zeros函数的参数是一个tuple类型(3,3)
-
data2=mat(ones((
2,
4)));
-
#创建一个2*4的1矩阵,默认是浮点型的数据,如果需要时int类型,可以使用dtype=int
-
data3=mat(random.rand(
2,
2));
-
#这里的random模块使用的是numpy中的random模块,random.rand(2,2)创建的是一个二维数组,需要将其转换成#matrix
-
data4=mat(random.randint(
10,size=(
3,
3)));
-
#生成一个3*3的0-10之间的随机整数矩阵,如果需要指定下界则可以多加一个参数
-
data5=mat(random.randint(
2,
8,size=(
2,
5));
-
#产生一个2-8之间的随机整数矩阵
-
data6=mat(eye(
2,
2,dtype=
int));
-
#产生一个2*2的对角矩阵
-
-
a1=[
1,
2,
3];
-
a2=mat(diag(a1));
-
#生成一个对角线为1、2、3的对角矩阵
3.常见的矩阵运算
1. 矩阵相乘
-
a1=mat([
1,
2]);
-
a2=mat(
[[1],[2]]);
-
a3=a1*a2;
-
#
1
*
2
的矩阵乘以
2
*
1
的矩阵,得到
1
*
1
的矩阵
2. 矩阵点乘
矩阵对应元素相乘
-
a1=mat([1,1]);
-
a2=mat([2,2]);
-
a3=multiply(a1,a2);
矩阵点乘
-
a1=mat([2,2]);
-
a2=a1*2;
3.矩阵求逆,转置
矩阵求逆
-
a1=mat(eye(
2,
2)*
0.5);
-
a2=a1.I;
-
#求矩阵matrix(
[[0.5,0],[0,0.5]]
)的逆矩阵
矩阵转置
-
a1=mat(
[[1,1],[0,0]]);
-
a2=a1.T;
4.计算矩阵对应行列的最大、最小值、和。
a1=mat([[1,1],[2,3],[4,2]]);
计算每一列、行的和
-
a2=a1.
sum(axis=
0)
;//列和,这里得到的是1*2的矩阵
-
a3=a1.
sum(axis=
1)
;//行和,这里得到的是3*1的矩阵
-
a4=
sum(a1[
1,:])
;//计算第一行所有列的和,这里得到的是一个数值
计算最大、最小值和索引
-
a1.
max();
//计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
-
a2=
max(a1[:,
1]);
//计算第二列的最大值,这里得到的是一个1*1的矩阵
-
a1[
1,:].
max();
//计算第二行的最大值,这里得到的是一个一个数值
-
-
np.
max(a1,
0);
//计算所有列的最大值,这里使用的是numpy中的max函数
-
np.
max(a1,
1);
//计算所有行的最大值,这里得到是一个矩阵
-
-
np.argmax(a1,
0);
//计算所有列的最大值对应在该列中的索引
-
np.argmax(a1[
1,:]);
//计算第二行中最大值对应在改行的索引
5.矩阵的分隔和合并
矩阵的分隔,同列表和数组的分隔一致。
-
a=mat(ones((3,3)));
-
b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素
矩阵的合并
-
a=mat(ones((2,2)));
-
b=mat(eye(2));
-
c=vstack((a,b));//按列合并,即增加行数
-
d=hstack((a,b));//按行合并,即行数不变,扩展列数
4.矩阵、列表、数组的转换
列表可以修改,并且列表中元素可以使不同类型的数据,如下:
l1=[[1],'hello',3];
numpy中数组,同一个数组中所有元素必须为同一个类型,有几个常见的属性:
-
a=
array(
[[2],[1]]);
-
dimension=a.ndim;
-
m,n=a.shape;
-
number=a.size;
//元素总个数
-
str=a.dtype;
//元素的类型
numpy中的矩阵也有与数组常见的几个属性。
它们之间的转换:
-
a1=
[[1,2],[3,2],[5,2]];
//列表
-
a2=
array(a1);
//将列表转换成二维数组
-
a3=
array(a1);
//将列表转化成矩阵
-
a4=
array(a3);
//将矩阵转换成数组
-
a5=a3.tolist();
//将矩阵转换成列表
-
a6=a2.tolist();
//将数组转换成列表
这里可以发现三者之间的转换是非常简单的,这里需要注意的是,当列表是一维的时候,将它转换成数组和矩阵后,再通过tolist()转换成列表是不相同的,需要做一些小小的修改。如下:
-
a1=[
1,
2,
3];
-
a2=
array(a1);
-
a3=mat(a1);
-
a4=a2.tolist();
//这里得到的是[
1
,
2
,
3
]
-
a5=a3.tolist();
//这里得到的是
[[1,2,3]]
-
a6=(a4 == a5);
//a6=False
-
a7=(a4
is a5[
0]);
//a7=True,a5[
0
]=[
1
,
2
,
3
]
矩阵转换成数值,存在以下一种情况:
-
dataMat=mat([
1]);
-
val=dataMat[
0,
0];
//这个时候获取的就是矩阵的元素的数值,而不再是矩阵的类型
<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-e2445db1a8.css">
<div class="htmledit_views">
python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包。
1.numpy的导入和使用
-
from numpy
import *;
#导入numpy的库函数
-
import numpy
as np;
#这个方式使用numpy的函数时,需要以np.开头。
2.矩阵的创建
由一维或二维数据创建矩阵
-
from numpy
import *;
-
a1=array([
1,
2,
3]);
-
a1=mat(a1);
创建常见的矩阵
-
data1=mat(zeros((
3,
3)));
-
#创建一个3*3的零矩阵,矩阵这里zeros函数的参数是一个tuple类型(3,3)
-
data2=mat(ones((
2,
4)));
-
#创建一个2*4的1矩阵,默认是浮点型的数据,如果需要时int类型,可以使用dtype=int
-
data3=mat(random.rand(
2,
2));
-
#这里的random模块使用的是numpy中的random模块,random.rand(2,2)创建的是一个二维数组,需要将其转换成#matrix
-
data4=mat(random.randint(
10,size=(
3,
3)));
-
#生成一个3*3的0-10之间的随机整数矩阵,如果需要指定下界则可以多加一个参数
-
data5=mat(random.randint(
2,
8,size=(
2,
5));
-
#产生一个2-8之间的随机整数矩阵
-
data6=mat(eye(
2,
2,dtype=
int));
-
#产生一个2*2的对角矩阵
-
-
a1=[
1,
2,
3];
-
a2=mat(diag(a1));
-
#生成一个对角线为1、2、3的对角矩阵
3.常见的矩阵运算
1. 矩阵相乘
-
a1=mat([
1,
2]);
-
a2=mat(
[[1],[2]]);
-
a3=a1*a2;
-
#
1
*
2
的矩阵乘以
2
*
1
的矩阵,得到
1
*
1
的矩阵
2. 矩阵点乘
矩阵对应元素相乘
-
a1=mat([1,1]);
-
a2=mat([2,2]);
-
a3=multiply(a1,a2);
矩阵点乘
-
a1=mat([2,2]);
-
a2=a1*2;
3.矩阵求逆,转置
矩阵求逆
-
a1=mat(eye(
2,
2)*
0.5);
-
a2=a1.I;
-
#求矩阵matrix(
[[0.5,0],[0,0.5]]
)的逆矩阵
矩阵转置
-
a1=mat(
[[1,1],[0,0]]);
-
a2=a1.T;
4.计算矩阵对应行列的最大、最小值、和。
a1=mat([[1,1],[2,3],[4,2]]);
计算每一列、行的和
-
a2=a1.
sum(axis=
0)
;//列和,这里得到的是1*2的矩阵
-
a3=a1.
sum(axis=
1)
;//行和,这里得到的是3*1的矩阵
-
a4=
sum(a1[
1,:])
;//计算第一行所有列的和,这里得到的是一个数值
计算最大、最小值和索引
-
a1.
max();
//计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
-
a2=
max(a1[:,
1]);
//计算第二列的最大值,这里得到的是一个1*1的矩阵
-
a1[
1,:].
max();
//计算第二行的最大值,这里得到的是一个一个数值
-
-
np.
max(a1,
0);
//计算所有列的最大值,这里使用的是numpy中的max函数
-
np.
max(a1,
1);
//计算所有行的最大值,这里得到是一个矩阵
-
-
np.argmax(a1,
0);
//计算所有列的最大值对应在该列中的索引
-
np.argmax(a1[
1,:]);
//计算第二行中最大值对应在改行的索引
5.矩阵的分隔和合并
矩阵的分隔,同列表和数组的分隔一致。
-
a=mat(ones((3,3)));
-
b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素
矩阵的合并
-
a=mat(ones((2,2)));
-
b=mat(eye(2));
-
c=vstack((a,b));//按列合并,即增加行数
-
d=hstack((a,b));//按行合并,即行数不变,扩展列数
4.矩阵、列表、数组的转换
列表可以修改,并且列表中元素可以使不同类型的数据,如下:
l1=[[1],'hello',3];
numpy中数组,同一个数组中所有元素必须为同一个类型,有几个常见的属性:
-
a=
array(
[[2],[1]]);
-
dimension=a.ndim;
-
m,n=a.shape;
-
number=a.size;
//元素总个数
-
str=a.dtype;
//元素的类型
- 1
- 2
- 3
- 4
- 5
numpy中的矩阵也有与数组常见的几个属性。
它们之间的转换:
-
a1=
[[1,2],[3,2],[5,2]];
//列表
-
a2=
array(a1);
//将列表转换成二维数组
-
a3=
array(a1);
//将列表转化成矩阵
-
a4=
array(a3);
//将矩阵转换成数组
-
a5=a3.tolist();
//将矩阵转换成列表
-
a6=a2.tolist();
//将数组转换成列表
这里可以发现三者之间的转换是非常简单的,这里需要注意的是,当列表是一维的时候,将它转换成数组和矩阵后,再通过tolist()转换成列表是不相同的,需要做一些小小的修改。如下:
-
a1=[
1,
2,
3];
-
a2=
array(a1);
-
a3=mat(a1);
-
a4=a2.tolist();
//这里得到的是[
1
,
2
,
3
]
-
a5=a3.tolist();
//这里得到的是
[[1,2,3]]
-
a6=(a4 == a5);
//a6=False
-
a7=(a4
is a5[
0]);
//a7=True,a5[
0
]=[
1
,
2
,
3
]
矩阵转换成数值,存在以下一种情况:
-
dataMat=mat([
1]);
-
val=dataMat[
0,
0];
//这个时候获取的就是矩阵的元素的数值,而不再是矩阵的类型
</div>
</div>