Python数据分析必备库-NumPy(05) : ndarray的矩阵操作

ndarray的矩阵操作

1. 基本矩阵操作

算术运算符：

• 加减乘除

n = np.random.randint(0,10, size=(4,5))
n
# array([[8, 0, 8, 2, 4],
#       [7, 6, 5, 1, 2],
#       [1, 4, 7, 6, 0],
#       [4, 8, 5, 7, 7]])

n + 1  # 加
n - 1  # 减
n * 2  # 乘
n / 2  # 除
n // 2  # 整除
n % 2  # 余数

n2 = np.random.randint(0,10, size=(4,5))
display(n, n2)
# array([[8, 0, 8, 2, 4],
#       [7, 6, 5, 1, 2],
#       [1, 4, 7, 6, 0],
#       [4, 8, 5, 7, 7]])
# array([[5, 0, 0, 6, 4],
#       [6, 5, 1, 7, 0],
#       [8, 0, 6, 6, 3],
#       [4, 3, 1, 0, 3]])

n + n2
# array([[13,  0,  8,  8,  8],
#       [13, 11,  6,  8,  2],
#       [ 9,  4, 13, 12,  3],
#       [ 8, 11,  6,  7, 10]])

*线性代数中常用矩阵操作*

• 矩阵与矩阵的乘积

n1 = np.random.randint(0, 10, size=(2,3))
n2 = np.random.randint(0, 10, size=(3,4))
display(n1, n2)
# array([[1, 9, 7],
#       [9, 1, 1]])
# array([[4, 6, 9, 9],
#       [8, 5, 8, 3],
#       [0, 9, 4, 1]])

# 矩阵积
np.dot(n1, n2)
n1 @ n2
# array([[ 76, 114, 109,  43],
#       [ 44,  68,  93,  85]])
"""
[3*5+3*4+7*5, 3*3+3*1+7*5, 3*6+3*3+7*9, 3*4+3*0+7*7] 
[6*5+9*4+3*5, 6*3+9*1+3*5, 6*6+9*3+3*9, 6*4+9*0+3*7]
"""  

线性代数其他操作

# 线性代数常用
n = np.array([[1, 2, 3],
              [2, 5, 4],
              [4, 5, 8]]) 
np.linalg.inv(n) # 逆矩阵
np.linalg.det(n) # 计算矩阵行列式

# 矩阵的秩(满秩矩阵或奇异矩阵)
np.linalg.matrix_rank(n)

其他数学函数

abs、sqrt、square、exp、log、sin、cos、tan、round、ceil、floor、cumsum

广播机制

【重要】ndarray广播机制的两条规则

• 规则一：为缺失的维度补维度
• 规则二：缺失元素用已有值填充

m = np.ones((2,3), dtype=int)
a = np.arange(3)
display(m, a)
*# array([[1, 1, 1],*
*#    [1, 1, 1]])*
*#* 
*# array([0, 1, 2])*

m + a
*# array([[1, 2, 3],*
*#    [1, 2, 3]])*

a = np.arange(3).reshape((3,1))
b = np.arange(3)
display(a, b)
*# array([[0],*
*#    [1],*
*#    [2]])*
*# array([0, 1, 2])*

a + b
*# array([[0, 1, 2],*
*#    [1, 2, 3],*
*#    [2, 3, 4]])*

a = np.ones((4,1), dtype=int)
b = np.arange(4)
display(a, b)
*# array([[1],*
*#    [1],*
*#    [1],*
*#    [1]])*
*# array([0, 1, 2, 3])*

a + b
*# array([[1, 2, 3, 4],*
*#    [1, 2, 3, 4],*
*#    [1, 2, 3, 4],*
*#    [1, 2, 3, 4]]*

ndarray的排序

快速排序

np.sort()与ndarray.sort()都可以，但有区别：

• np.sort()不改变输入
• ndarray.sort()本地处理，不占用空间，但改变输入

#### **ndarray文件操作**

###### **保存数组**

- save : 保存ndarray到一个npy文件
- savez : 将多个array保存到一个npz文件中

![###### `x = np.arange(0, 10)y = np.arange(10,20)# savenp.save("x",x)# saveznp.savez("arr.npz",xarr = x,yarr=y`](https://img-blog.csdnimg.cn/direct/caf30cf8e53942f6885ff0150c9c5bdf.png)
 

读取数组

# 读取npy文件
np.load('x_arr.npy') 

# 读取npz文件
np.load('arr.npz')['yarr']

csv、txt文件的读写操作

n = np.random.randint(0, 10,size = (3,4))

# 储存数组到txt或csv, delimiter为分隔符
np.savetxt("arr.csv", n, delimiter=',') # 文件后缀是txt也是一样的

# 读取txt或csv
np.loadtxt("arr.csv", delimiter=',', dtype=np.int32)

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】