python 矩阵类型转换_转载——python的常见矩阵运算

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

array([1, 2, 3])

>>> a1=mat(a1)

>>> a1

matrix([[1, 2, 3]])

>>> shape(a1)

(1, 3)

>>> b=matrix([1,2,3])

>>> shape(b)

(1, 3)

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)

>>> data1

matrix([[ 0., 0., 0.],

[ 0., 0., 0.],

[ 0., 0., 0.]])

>>>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

>>> data2

matrix([[ 1., 1., 1., 1.],

[ 1., 1., 1., 1.]])

>>>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

>>> data3

matrix([[ 0.57341802, 0.51016034],

[ 0.56438599, 0.70515605]])

>>>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

>>> data4

matrix([[9, 5, 6],

[3, 0, 4],

[6, 0, 7]])

>>>data5=mat(random.randint(2,8,size=(2,5))) #产生一个2-8之间的随机整数矩阵

>>> data5

matrix([[5, 4, 6, 3, 7],

[5, 3, 3, 4, 6]])

>>>data6=mat(eye(2,2,dtype=int)) #产生一个2*2的对角矩阵

>>> data6

matrix([[1, 0],

[0, 1]])

a1=[1,2,3]

a2=mat(diag(a1)) #生成一个对角线为1、2、3的对角矩阵

>>> a2

matrix([[1, 0, 0],

[0, 2, 0],

[0, 0, 3]])

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

>>> a3

matrix([[5]])

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)

>>> a3

matrix([[2, 2]])

矩阵点乘

>>>a1=mat([2,2]);

>>>a2=a1*2>>>a2

matrix([[4, 4]])

3.矩阵求逆，转置

矩阵求逆

>>>a1=mat(eye(2,2)*0.5)

>>> a1

matrix([[ 0.5, 0. ],

[ 0. , 0.5]])

>>>a2=a1.I #求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵

>>> a2

matrix([[ 2., 0.],

[ 0., 2.]])

矩阵转置

>>> a1=mat([[1,1],[0,0]])

>>> a1

matrix([[1, 1],

[0, 0]])

>>> a2=a1.T

>>> a2

matrix([[1, 0],

[1, 0]])

4.计算矩阵对应行列的最大、最小值、和。

3>>>a1=mat([[1,1],[2,3],[4,2]])

>>> a1

matrix([[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

>>> a2

matrix([[7, 6]])

>>>a3=a1.sum(axis=1) #行和，这里得到的是3*1的矩阵

>>> a3

matrix([[2],

[5],

[6]])

>>>a4=sum(a1[1,:]) #计算第一行所有列的和，这里得到的是一个数值

>>> a4

5 #第0行：1+1；第2行：2+3；第3行：4+2

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

4

>>>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

>>> a2

matrix([[3]])

>>>a1[1,:].max() #计算第二行的最大值，这里得到的是一个一个数值

3

>>>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

matrix([[4, 3]])

>>>np.max(a1,1) #计算所有行的最大值，这里得到是一个矩阵

matrix([[1],

[3],

[4]])

>>>np.argmax(a1,0) #计算所有列的最大值对应在该列中的索引

matrix([[2, 1]])

>>>np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引

1

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)))

>>> a

matrix([[ 1., 1., 1.],

[ 1., 1., 1.],

[ 1., 1., 1.]])

>>>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

>>> b

matrix([[ 1., 1.],

[ 1., 1.]])

矩阵的合并

>>>a=mat(ones((2,2)))

>>> a

matrix([[ 1., 1.],

[ 1., 1.]])

>>>b=mat(eye(2))

>>> b

matrix([[ 1., 0.],

[ 0., 1.]])

>>>c=vstack((a,b)) #按列合并，即增加行数

>>> c

matrix([[ 1., 1.],

[ 1., 1.],

[ 1., 0.],

[ 0., 1.]])

>>>d=hstack((a,b)) #按行合并，即行数不变，扩展列数

>>> d

matrix([[ 1., 1., 1., 0.],

[ 1., 1., 0., 1.]])

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]])

>>> a

array([[2],

[1]])

>>>dimension=a.ndim

>>> dimension

2

>>>m,n=a.shape

>>> m

2

>>> n

1

>>>number=a.size #元素总个数

>>> number

2

>>>str=a.dtype #元素的类型

>>> str

dtype('int64')

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

>>> a1

[[1, 2], [3, 2], [5, 2]]

>>>a2=array(a1) #将列表转换成二维数组

>>> a2

array([[1, 2],

[3, 2],

[5, 2]])

>>>a3=mat(a1) #将列表转化成矩阵

>>> a3

matrix([[1, 2],

[3, 2],

[5, 2]])

>>>a4=array(a3) #将矩阵转换成数组

>>> a4

array([[1, 2],

[3, 2],

[5, 2]])

>>>a41=a3.getA() #将矩阵转换成数组

>>>a41

array([[1,2]

[3,2]

[5,2]])

>>>a5=a3.tolist() #将矩阵转换成列表

>>> a5

[[1, 2], [3, 2], [5, 2]]

>>>a6=a2.tolist() #将数组转换成列表

>>> a6

[[1, 2], [3, 2], [5, 2]]

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] #列表

>>>a2=array(a1)

>>> a2

array([1, 2, 3])

>>>a3=mat(a1)

>>> a3

matrix([[1, 2, 3]])

>>> a4=a2.tolist()

>>> a4

[1, 2, 3]

>>> a5=a3.tolist()

>>> a5

[[1, 2, 3]]

>>> a6=(a4==a5)

>>> a6

False

>>> a7=(a4 is a5[0])

>>> a7

True

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

>>> val

1