Python Numpy库中矩阵用法快速指南

Python Numpy库中矩阵用法指南

矩阵是一个由m*n个数排成的m行n列的表称为m行n列的矩阵，简称为m*n矩阵。下面的矩阵是一个3*2(3乘2)矩阵，因为它有三行四列。

在数学的概念中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。矩阵是高等代数学中的常见工具，也常见于统计分析等应用数学学科中。 矩阵的运算是数值分析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算。对一些应用广泛而形式特殊的矩阵，例如稀疏矩阵和准对角矩阵，有特定的快速运算算法。

Python列表生成矩阵

在Python中也有矩阵的概念，但是Python中没有矩阵这种的内置类型。但是我们可以将Python中的列表看做一个矩阵。例如：

A = [[2,8],
	[-5,32],
	[0,8]]

我们可以把这个列表看做为是一个3行2列的矩阵。

接下来我们看一下如何使用嵌套列表。

A = [[1, 4, 5, 12], 
    [-5, 8, 9, 0],
    [-6, 7, 11, 19]]
print("A =", A) 
print("A[1] =", A[1])      # 第二行
print("A[1][2] =", A[1][2])   # 第二行的第三个元素
print("A[0][-1] =", A[0][-1])   # 第一行的最后一个元素
column = [];        # 一个空的列表
for row in A:
  column.append(row[2])   
print("第三列 =", column)

当我们运行上面的代码的时候，我们得到的输出将会是：

A = [[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]]
A[1] = [-5, 8, 9, 0]
A[1][2] = 9
A[0][-1] = 12
第三列 = [5, 9, 11]

使用嵌套的列表作为矩阵来说比较适合用于简单的计算任务，但是在Python中呢我们可以使用Numpy库，它在处理矩阵上有更好的方法。

Numpy Array（数组）

Python中的Numpy库是一个用于科学计算的包，它是一个针对n维数组对象的强大的库，在想要使用Numpy之前，我们需要安装它才可以，那么我们怎么样才可以安装它呢？答案很简单，我们只需要在我们的电脑上下载安装Anaconda就可以了，Anaconda它本身就自带Numpy和其他的几个跟数据科学还有机器学习相关的库。

一旦我们安装完成了之后，我们就可以导入并使用它的功能了。Numpy提供针对数字的多维数组（实际上只是一个对象）举个例子来说：

import numpy as np
a = np.array([1, 2, 3])
print(a)        #打印变量a      
print(type(a))  #输出变量a的数据类型