大于3小于4的整数bleem_备份4

原文

这里给出一些简单处理矩阵的题目，然后给出两种语言的代码，可以对比两种代码的风格。

文章练习分为两部分，第一部分是常见各种对矩阵地操作，第二部分正在完善。

注：部分取自Numpy100题，目前在45题左右，现在打算整理文章内容

准备

（1）Python是开源的，可以在Python官网免费下载，最好再下载Anaconda配套使用，可以在清华大学开源镜像站下载；

（2）Matlab需要付费获得账号，如果有账号但没有安装，可以使用网页版MATLAB Online R2020a；在MathWorks下载正版软件；也可以用开源软件Octave替代（至少本文内容可以），Octave官网下载；；

（3）Matlab安装基础版本即可，Octave直接安装；

（4） Python需要安装numpy库，参考Numpy库的下载及安装（吐血总结）_WoLykos-CSDN博客_numpy库；

（5） Matlab、Octave使用

查询函数的用法、

查看官方文档、

查询关键词，或者直接查询MATLAB Documentation - MathWorks 中国（中文）；还有一个中文论坛可以借鉴首页 - MATLAB中文论坛

（6）Python使用

查询函数用法，也可以查看官方文档Our Documentation|Python；IPython可以看The IPython notebook；也可以使用

查看说明文档；

一、练习

第一部分

（1）创建向量；向量排序；向量的最大值、最小值、平均值、标准差；将向量中的最大值替换为0；对向量（数组）对大于3小于8的元素取负；

（2）创建矩阵(数组)

；复数矩阵；特殊矩阵(数组)：零矩阵、全一矩阵、单位阵、对角阵等；矩阵的最大值、最小值、平均值、标准差；将矩阵的最大值替换为0；对矩阵（数组）对大于3小于8的元素取负；

（3）向量转化为矩阵、矩阵转化为向量；

（4）获取矩阵(向量、数组)的属性：大小、行数、列数、维度、类型等；

（5）子矩阵提取：行、列、某几行几列等；

（6）

右边添加矩阵

，

下边添加矩阵

；

周围添加一圈0；

（7）删除矩阵

的不同部分(行、列、几行几列等)；

（8）矩阵(向量)的基本运算：加、减、乘、求逆、幂次等；

（9）矩阵(向量)的基本变换：转置、翻转；

第二部分

二、解答

注：Python没有经过np.mat的都是数组，本文前半部分使用了np.mat将数组转化为矩阵，后半部分发现太麻烦省略了这一步。

0、准备

Matlab、Octave不需要操作，Python需要

#本文采用
>>>import numpy as np
#也可使用，这不需要写np.
>>>from numpy import *

第一部分

（1）创建向量；向量排序；向量的最大值、最小值、平均值、标准差；将向量中的最大值替换为0；对向量（数组）对大于3小于8的元素取负；

Python

#创建向量，以从1到49的整数向量为例
>>>vec=np.arange(10,50)
>>>vec=np.linspace(1,49,49)
#向量排序
>>>temp=np.random.random(10)
>>>temp.sort()                                                 #从小到大
#向量的最大值、最小值、平均值、标准差
>>>Max,Min,Mean,Std=vec.max(),vec.min(),vec.mean(),vec.std()
#将向量的最大值替换为0
>>>temp2=np.random.random(10)
>>>temp2[temp2.argmax()]=0
#将向量重大于3小于8的元素取负
>>>temp=10*np.random.random(10)
>>>temp[(3<temp)&(temp<8)]*=-1

Matlab

%创建向量，以从1到49的整数向量为例
>>vec=10:1:49
>>linspace(1,49,49)
%向量排序
>>sort(vec)        %从小到大
%向量中的最大值、最小值、平均值、标准差
>>temp=10*rand(10,1)
>>Max=max(temp)
>>Min=min(temp)
>>Mean=mean(temp)
>>Std=std(temp)
%将向量中的最大值替换为0
>>[max,index]=max(temp)
>>temp(index)=0
%将向量重大于3小于8的元素取负
>>temp(find((temp>3)&(temp<8)))=-1*temp(find((temp>3)&(temp<8)))

（2）创建矩阵(数组)

；复数矩阵；特殊矩阵(数组)：零矩阵、全一矩阵、单位阵、对角阵等；矩阵的最大值、最小值、平均值、标准差；将矩阵的最大值替换为0；对矩阵（数组）对大于3小于8的元素取负；

Python

#创建矩阵
>>>a=[[1,2],[3,4],[5,6]]                    #类型为'list'
>>>A=np.array([[1,2],[3,4],[5,6]])          #类型为'numpy.ndarray'
>>>A=np.mat([[1,2],[3,4],[5,6]])            #类型为'numpy.matrix'
>>>A=np.mat(1+np.arange(6).reshape(3,2))
>>>A=np.mat(1+np.arange(6,dtype='double').reshape(3,2))   #感谢 @六道木 指出
>>>A=np.mat(np.arange(1,7).reshape(3,2))    #快速方法，注意arange不包括最后一项，单参数从0开始
#创建复数矩阵
>>>A=np.mat([[1+1j,2+1j]])                  #只能用j，并且j前面要有数字
#特殊矩阵，直接np.zeros获得的类型为'numpy.ndarray'
>>>np.mat(np.zeros(3))                      #1×3零矩阵
>>>np.mat(np.zeros((3,4)))                  #3×4零矩阵
>>>np.mat(np.ones(3))                       #1×3一矩阵
>>>np.mat(np.ones((3,4)))                   #3×4一矩阵
>>>np.mat(np.eye(3))                        #3×3单位阵
>>>np.mat(np.eye(3,4))                      #不知如何描述，注意这里少一层括号，感谢 @六道木 指出
>>>np.mat(np.identity(3))                   #3×3单位阵，identity只能是方阵，没有eye灵活（还可以调整对角线位置）
>>>np.mat(np.random.random(3))              #3×1随机数矩阵
>>>np.mat(np.random.random((3,3,3)))        #3×3×3随机数数组，random.random产生的随机数在(0,1)
#对角阵
>>>np.mat(np.diag([1,2,3]))
>>>np.mat(np.diag([1,2,3],1))               #上移一格的对角阵
#矩阵的最大值、最小值、平均值、标准差
>>>Max,Min,Mean,Std=A.max(),A.min(),A.mean(),A.std()
#将矩阵的最大值替换为0
>>>temp2=np.random.random(10)
>>>temp2[temp2.argmax()]=0
#对大于3小于8的元素取负
#这里的对象是数组，可通过np.mat()转化为矩阵
>>>temp=10*np.random.random(10).reshape(2,5)
>>>temp[(3<temp)&(temp<8)]*=-1

Matlab

%创建矩阵
>>A=[1,2;3,4;5,6]
>>A=reshape(1:1:6,2,3)'  %快速方法，注意这里要转置
%创建复数矩阵
>>A=[1+i,2+2i]
>>A=[1+j,2+2j]           %i和j都可以使用，i和j前面都要有数字
%常用矩阵
>>zeros(3)                %3×3零矩阵
>>zeros(3,4)              %3×4零矩阵
>>ones(3)                 %3×3一矩阵
>>ones(3,4)               %3×4一矩阵
>>eye(3)                  %3×3的单位阵
>>eye(3,4)                %不知如何描述
>>rand                    %(0,1)均匀分布随机数
>>rand(3)                 %3×3取值(0,1)随机数阵
>>rand(3,4)               %3×4取值(0,1)随机数阵
>>randn                   %(0,1)标准正态分布随机数
>>randn(3)                %3×3标准正态分布随机数阵
>>randn(3,4)              %3×4标准正态分布随机数阵
>>magic(3)                %3阶魔方阵
>>vander([1,2,3])         %范得蒙矩阵(Vandermonde)
>>hilb(3)                 %3阶希尔伯特矩阵
>>invhilb(3)              %3阶希尔伯特矩阵的逆矩阵
>>toeplitz([1,2,3])
>>toeplitz([1,2,3],[1,5]) %托普利兹矩阵(Toeplitz)
>>compan([1,2,3])         %友阵，不是伴随矩阵
>>pascal(3)               %3阶帕斯卡矩阵 
%对角阵
>>diag([1,2,3])
>>diag([1,2,3],1)   %上移一格的对角阵
%矩阵中的最大值、最小值、平均值、标准差
>>temp=10*rand(3,3)
>>Max=max(temp)
>>Min=min(temp)
>>Mean=mean(temp)
>>Std=std(temp)
%将矩阵中的最大值替换为0
>>temp(find(temp==max(max(temp))))=0
%将矩阵重大于3小于8的元素取负
>>temp(find((temp>3)&(temp<8)))=-1*temp(find((temp>3)&(temp<8)))

（3）向量转化为矩阵、矩阵转化为向量；

Python

#向量转化为矩阵
>>>A=np.mat(1+np.arange(6).reshape(3,2))
#矩阵转化为向量
>>>np.ravel(A)      #返回视图
>>>A.flatten()      #返回拷贝
>>>A.reshape(-1)

Matlab

#Matlab的reshape为列优先
#将向量转化为矩阵
>>temp=[1,2,3,4,5,6];
>>temp2=reshape(temp,2,3)'
#将矩阵转化为向量
>>reshape(temp2',1,numel(temp2))

（4）获取矩阵(向量、数组)的属性：大小、行数、列数、维度、类型等；

Python:

#类型
>>>type(A)
#大小
>>>A.shape
>>>np.shape(A)
#行数
>>>A.shape[0]
>>>np.shape(A)[0]    #shape的第一个数字
>>>len(A)
#列数
>>>A.shape[1]
>>>np.shape(A)[1]    #shape的第二个数字
#维数（秩）
>>>A.ndim
>>>np.ndim(A)
#元素个数
>>>A.size
>>>np.size(A)
#元素类型
>>>A.dtype
#元素字节大小
>>>A.itemsize

Matlab:

%类型：矩阵
%大小
>>size(A)
%行数
>>size(A,1)
%列数
>>size(A,2)
%维数
>>rank(A)
%元素个数
>>numel(A)  %可以获得图像的像素个数
%元素类型
>>class(A)
>>whos A
%元素字节大小*************************************************************
>>
%矩阵非0元的分布
>>spy(A)
%矩阵的特征值、特征向量(必须为方阵）
>>E=eig(temp)
>>[V,D]=eig(temp)              %经过了相似变换
>>[V,D]=eig(temp,'nobalance')  %直接求

（5）获取矩阵(向量、数组)的切片：行、列、某几行几列、中心矩阵等；

Python

#第1行第1列
>>>A[0,0]
#第1列
>>>A[:,0]
#第1行
>>>A[0]
>>>A[0,:]
#第1行+第3行第1列子矩阵
>>>A[[0,2],0]
#除边界的子矩阵
>>>A[1:-1,1:-1]

#修改数值：A[i-1,j-1]=c

Matlab

%统一表达式：矩阵([提取的行构成的向量],[提取的列构成的向量])
>>temp=rand(3,4)
%第1行第1列
>>temp(1,1)
%第1列
>>temp(:,1)
%第1行
>>temp(1,:)
%第1行第3行第1列子矩阵
>>temp([1,3],1)
>>temp([1,3],[1])
%除边界的子矩阵
>>temp(2:(size(temp,1)-1),2:(size(temp,2)-1))      %没有看到相关函数
%另外还可以通过索引向量获取元素，按列从小到大、行从小到大，如
>>temp([2,1,4,7])

%修改数值：A(i,j)=c

（6）

右边添加矩阵

，

下边添加矩阵

；

周围添加一圈0；

Python

#右边添加矩阵，多种方法
>>>np.c_[A,[[7],[8],[9]]]                      #c理解为将矩阵排成一行
>>>np.column_stack((A,[[7],[8],[9]]))
>>>np.hstack((A,[[7],[8],[9]]))                #水平拼接
>>>np.insert(A,2,values=[[7,8,9]],axis=1)      #axis=1表示添加列，values=转置了，第二个参数表示合并后所在列数
>>>np.concatenate((A,[[7],[8],[9]]),axis=1)    #axis=1表示添加列
>>>np.append(A,[[7],[8],[9]],axis=1)           #axis=1表示添加列
 
#下边添加矩阵，多种方法
>>>np.r_[A,[[7,8],[9,10]]]                     #r理解为将矩阵排成一列
>>>np.row_stack((A,[[7,8],[9,10]]))
>>>np.vstack((A,[[7,8],[9,10]]))               #垂直拼接
>>>np.insert(A,3,values=[[7,8],[9,10]],axis=0) #axis=0表示添加行，values=没有改变，第二个参数表示合并后所在行数
>>>np.concatenate((A,[[7,8],[9,10]]))
>>>np.concatenate((A,[[7,8],[9,10]]),axis=0)   #axis=0表示添加行
>>>np.append(A,[[7,8],[9,10]],axis=0)          #axis=0表示添加行

#周围添加一圈0
>>>np.pad(A,pad_width=1,mode='constant',constant_values=0)
  
#此外还有stack、dstack增加维度

Matlab

%右边添加矩阵 
>>[A,[7;8;9]]
%下边添加矩阵
>>[A;[7,8;9,10]]
%在矩阵周围添一圈0
%没有找到相应代码，有人说padarray，但是用不了；构造一个新矩阵可以朴素地实现

（7）删除矩阵

的不同部分(行、列、几行几列等)；

Python

#删除第1行
>>>np.delete(A,0,axis=0)
#删除第1行和第3行
>>>np.delete(A,[0,2],axis=0)
#删除第1列
>>>np.delete(A,1,axis=1)

Matlab

%删除第1行
>>A(1,:)=[]
%删除第1行和第3行
>>A([1,3],:)=[]
%删除第1列
>>A(:,1)=[]

（8）矩阵的基本运算：加减、乘、求逆(除法)、幂次等；

此处取

，

Python

#加减
>>>B+C                #矩阵加减法
>>>1+B                #标量加减法
#乘法
>>>2*B                #标量乘法
>>>np.dot(B,C)        #矩阵乘法
>>>B@C                #矩阵乘法
>>>B*C                #仅B,C为矩阵时为矩阵乘法，若B,C为数组则为点乘
>>>np.multiply(B,C)   #矩阵点乘（Hadamard乘积）
#求逆
>>>B.I

Matlab

%加减
>>B+C        %矩阵加减法
>>1+B        %标量加减法
%乘法
>>B*C        %矩阵乘法
>>2*B        %标量乘法
>>B.*C       %矩阵点乘（Hadamard乘积）
%求逆
>>inv(B)
>>pinv(B)     %广义逆矩阵
>>AB         %矩阵左除
>>B/A         %矩阵右除
%乘方，点幂
>>B^3         %B的3次方
>>B.^3
%行列式
>>det(B)
%矩阵的迹
trace(B)

（9）矩阵的基本变换：转置、翻转；

Python

#转置
>>>B.T         #自身转置
>>>B.H         #Hermite转置
#反转向量
>>>vec[::-1]

Matlab

%转置
>>B.'           %矩阵转置
>>B'            %Hermite转置，实矩阵不影响效果
%翻转
>>vec(end:-1:1) %翻转向量
>>fliplr(B)     %左右翻转
>>flipud(B)     %上下翻转
>>rot90(B)      %逆时针旋转90°
>>rot90(A,k)    %逆时针旋转k×90°

第2部分

（1）获取向量中非0元素的索引；

Python

>>>np.nonzero([1,2,0,0,4,0])

Matlab

%最简
>>find([1,2,0,0,4,0])
%前2个
>>find([1,2,0,0,4,0],2)
%后2个,最后一个参数默认为'first'
>>find([1,2,0,0,4,0],2,'last')
%行标和列标
>>[row,col]=>>find([1,2,0,0,4,0])
%行标、列标和非零向量
>>[row,col,v]=>>find([1,2,0,0,4,0])

（2）创建特殊矩阵：

棋盘样式矩阵；

Python

#方法一
>>>temp=np.zeros((8,8),dtype=int)
>>>temp[1::2,::2] = 1
>>>temp[::2,1::2] = 1              #seq[start:end:step]
#方法二
>>>np.tile( np.array([[0,1],[1,0]]), (4,4))

Matlab

>>temp=zeros(8)
>>temp(1:2:end,2:2:end)=1
>>temp(2:2:end,1:2:end)=1

（4）找到两个矩阵（数组）的共同元素

Python

#intersect1d：Return the sorted, unique values that are in both of the input arrays
temp1=np.random.randint(0,10,10)
temp2=np.random.randint(0,10,10)
np.intersect1d(temp1,temp2)

Matlab

（5）矩阵（数组）取整

Python

#多种方法，这里可以通过查看元素类型
temp=10*np.random.random(10).reshape(2,5)
temp-temp%1         #减去小数
np.floor(temp)      #下取整
np.ceil(temp)-1     #上取整减1
temp.astype(int)    #仅该式转化为整型
np.trunc(temp)

Matlab

floor()            %-∞方向取整
ceil()             %+∞方向取整
round()            %四舍五入
fix()              %0方向取整

（6）创建一个5x5的矩阵，其中每行的数值范围从0到4；

Python

#一种方法，可用来逐行增加
>>>temp=np.zeros((5,5))
>>>temp+=np.arange(5)

Matlab

（7）对矩阵（数组）求和；

Python

>>>temp=np.arange(10)
>>>sum(temp)            #方法一
>>>np.add.reduce(temp)  #方法二，听说更快

Matlab

>>sum(temp)                %对列求和或对向量求和

（8）对于两个随机数组A和B，检查它们是否相等；

Python

#数组要有相同的shape并且可以比较
#方法一
>>>A = np.random.randint(0,2,5)
>>>B = np.random.randint(0,2,5)
>>>equal = np.allclose(A,B)
>>>print(equal)
#方法二
>>>equal = np.array_equal(A,B)
>>>print(equal)

Matlab

（9）创建一个只读数组；

Python

>>>Z=np.zeros(10)
>>>Z.flags.writeable=False

Matalb

（10）将笛卡尔坐标下的一个10x2的矩阵转换为极坐标形式；

Python（直接挪用了）

>>>Z = np.random.random((10,2))
>>>X,Y = Z[:,0], Z[:,1]
>>>R = np.sqrt(X**2+Y**2)
>>>T = np.arctan2(Y,X)

Matlab

>>Z=rand(10,2);X=Z(:,1);Y=Z(:,2);
>>R=sqrt(X.*X+Y.*Y);T=atan2(Y,X)

（11）

参考文章

在写的时候看到的，有一定关联没看太懂的，不一定有用，留作以后参考

1、python的常见矩阵运算

2、灵魂歌手水云天：MATLAB数据类型及相互转换(一)

3、Numpy中的数组拼接、合并操作（concatenate, append, stack, hstack, vstack, r_, c_等）

4、Numpy中stack()，hstack()，vstack()函数详解_张康的博客-CSDN博客_vstack函数

5、matlab中矩阵的表示与简单操作 - Jaoany - 博客园