矩阵运算
两种存储方式
>>> test#用数组存储
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10]])
>>> type(test)
<class 'numpy.ndarray'>
>>> np.mat(test)#用矩阵存储
matrix([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10]])
>>> test_mat=np.mat(test)
>>> test_mat
matrix([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10]])
>>> type(test_mat)
<class 'numpy.matrix'>
常见创建矩阵方式
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
乘法运算
1.形状(m,n)x(n,l)=(m,l)
2.运算规则(主要看下面的例子理解)
乘法api:
np.matmul( , )
np.dot( , )
作为矩阵可以直接用运算符号
>>> test1=np.array([[2,2],[2,2],[2,2],[2,2],[2,2]])
>>> test1
array([[2, 2],
[2, 2],
[2, 2],
[2, 2],
[2, 2]])
>>> np.matmul(test,test1)
array([[30, 30],
[80, 80]])
>>> np.dot(test,test1)
array([[30, 30],
[80, 80]])
>>> test1_mat=np.mat(test1)
>>> test_mat*test1_mat#两个矩阵直接运算
matrix([[30, 30],
[80, 80]])
>>>
其它的运算方法可以自己查一下
或者可以用数组的运算方法,可以看前几篇文章。