python中的mat什么意思_Python中Numpy mat的使用详解

前面介绍过用dnarray来模拟，但mat更符合矩阵，这里的mat与matlab中的很相似。(mat与matrix等同)

基本操作

>>> m= np.mat([1,2,3]) #创建矩阵

>>> m

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

>>> m[0] #取一行

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

>>> m[0,1] #第一行，第2个数据

2

>>> m[0][1] #注意不能像数组那样取值了

traceback (most recent call last):

file "", line 1, in

file "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__

out = n.ndarray.__getitem__(self, index)

indexerror: index 1 is out of bounds for axis 0 with size 1

#将python的列表转换成numpy的矩阵

>>> list=[1,2,3]

>>> mat(list)

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

#numpy dnarray转换成numpy矩阵

>>> n = np.array([1,2,3])

>>> n

array([1, 2, 3])

>>> np.mat(n)

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

#排序

>>> m=np.mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵

>>> m

matrix([[2, 5, 1],

[4, 6, 2]])

>>> m.sort() #对每一行进行排序

>>> m

matrix([[1, 2, 5],

[2, 4, 6]])

>>> m.shape #获得矩阵的行列数

(2, 3)

>>> m.shape[0] #获得矩阵的行数

2

>>> m.shape[1] #获得矩阵的列数

3

#索引取值

>>> m[1,:] #取得第一行的所有元素

matrix([[2, 4, 6]])

>>> m[1,0:1] #第一行第0个元素，注意左闭右开

matrix([[2]])

>>> m[1,0:3]

matrix([[2, 4, 6]])

>>> m[1,0:2]

matrix([[2, 4]])

矩阵求逆、行列式

与numpy array相同，可参考。

矩阵乘法

矩阵乘，与numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。

>>> a = np.mat([[1,2,3], [2,3,4]])

>>> b = np.mat([[1,2], [3,4], [5,6]])

>>> a

matrix([[1, 2, 3],

[2, 3, 4]])

>>> b

matrix([[1, 2],

[3, 4],

[5, 6]])

>>> a * b #方法一

matrix([[22, 28],

[31, 40]])

>>> np.matmul(a, b) #方法二

matrix([[22, 28],

[31, 40]])

>>> np.dot(a, b) #方法三

matrix([[22, 28],

[31, 40]])

点乘，只剩下multiply方法了。

>>> a = np.mat([[1,2], [3,4]])

>>> b = np.mat([[2,2], [3,3]])

>>> np.multiply(a, b)

matrix([[ 2, 4],

[ 9, 12]])

矩阵转置

转置有两种方法：

>>> a

matrix([[1, 2],

[3, 4]])

>>> a.t #方法一，ndarray也行

matrix([[1, 3],

[2, 4]])

>>> np.transpose(a) #方法二

matrix([[1, 3],

[2, 4]])

值得一提的是，matrix中求逆还有一种简便方法(ndarray中不行)：

>>> a

matrix([[1, 2],

[3, 4]])

>>> a.i

matrix([[-2. , 1. ],

[ 1.5, -0.5]])

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持萬仟网。

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！