Python_Numpy库中各种矩阵基本运算(加、减、乘、点乘、点除、乘方、转置等)

Numpy中矩阵基本运算的实现。

01-两个矩阵相加

示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

B = np.array([[2, 3, 4],
              [5, 6, 7],
              [8, 9, 10]], dtype='int8')

C = A+B

运行结果如下：

02-矩阵与标量(常数)相加

示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

b = 3

C = A+b

运行结果如下：

03-两个矩阵相减

示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

B = np.array([[2, 3, 4],
              [5, 6, 7],
              [8, 9, 10]], dtype='int8')

C = B-A

运行结果如下：

04-矩阵与标量(常数)的减法运算

示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

b = 3

C = b-A
D = A-b

运行结果如下：

05-求矩阵中每个元素的相反数

示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

B = -A

运行结果如下：

06-矩阵元素乘法(点乘)

06-1 两种方法实现矩阵元素乘法(点乘)

实现元素乘法有两种方法，一是用乘号，二是用函数multiply()。
下面的示例代码体现了这两种方法：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]], dtype='int8')

B = np.array([[2, 3, 4],
              [5, 6, 7],
              [8, 9, 10]], dtype='int8')

C = A*B  # 用乘号实现矩阵元素乘法
D = np.multiply(A, B)  # 用函数multiply()实现矩阵元素乘法

运行结果：

06-2-浮点数和unit8型矩阵做点乘的结果是什么数据类型的矩阵？

这里我们来探究一下，假如一个浮点数和unit8型矩阵做点乘会发生什么呢？

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='uint8')

b = 0.7

C = np.multiply(A, b)

运行结果如下：


可以Numpy在运算时是以保证精度为优先的，所以矩阵C的数据类型被转换为了float64型。

07-矩阵乘法运算

矩阵乘法运算也有两种方式实现，示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = np.array([[7, 8],
              [9, 10],
              [11, 12]], dtype='int16')

C = np.matmul(A, B)  # 第一种方法实现矩阵乘法

D = np.dot(A, B) # 第二种方法实现矩阵乘法[利用向量的点积(也称为数量积)实现]

运行结果如下：


要注意：方法二实际上是利用向量的点积(点乘/数量积)实现的，当然，它有局限性，它只适用于向量或二维矩阵。

08-矩阵元素乘方运算

以矩阵A中的元素为底数，矩阵B中的元素为指数，
示例代码如下：

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = np.array([[6, 5, 4],
              [3, 2, 1]], dtype='int16')

C = A**B

运行结果如下：

09-矩阵的元素除法(点除)[也叫真除-结果既有整数部分也有小数部分]

有三种方法实现元素除法(点除)，示例代码如下

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = np.array([[2, 6, 12],
              [20, 30, 43]], dtype='int16')

C = B/A  # 第一种方法实现元素除法(点除)
D = np.true_divide(B, A)  # 第二种方法实现元素除法(点除)
F = np.divide(B, A)  # 第三种方法实现元素除法(点除)

运行结果如下：

10-矩阵的元素除法(点除)取余

有三种方法实现元素除法(点除)取余，示例代码如下

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = np.array([[6, 6, 6],
              [6, 6, 6]], dtype='int16')

C = B % A  # 第一种方法实现元素除法(点除)取余
D = np.remainder(B, A)  # 第二种方法实现元素除法(点除)取余
E = np.mod(B, A)  # 第三种方法实现元素除法(点除)取余

运行结果如下：

11-矩阵的元素除法(点除)取整

有两种方法实现元素除法(点除)取整，示例代码如下

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = np.array([[11, 11, 11],
              [11, 11, 11]], dtype='int16')

C = np.floor_divide(B, A)  # 第一种方法实现元素除法(点除)取整
D = B//A  # 第一种方法实现元素除法(点除)取整

12-矩阵的转置

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6]], dtype='int16')

B = A.T

运行结果如下：

13-各种取整

13-1 四舍五入取整

可以用方法around()实现四舍五入取整

around(a, decimals=0, out=None)

参数decimals 为要保留的小数位数， 默认值为0。 如果为-1，将在个位上进行四舍五入，如果为-2，将在十位上进行四舍五入。示例代码及运行结果如下：

import numpy as np
 
n = np.array([-0.746, 4.6, 9.4, 7.447, 10.455, 11.555])
 
around1 = np.around(n)
print(around1)  # [ -1.   5.   9.   7.  10.  12.]
 
around2 = np.around(n, decimals=1)
print(around2)  # [ -0.7   4.6   9.4   7.4  10.5  11.6]
 
around3 = np.around(n, decimals=-1)
print(around3)  # [ -0.   0.  10.  10.  10.  10.]

13-2 向下取整

可以用方法floor()实现向下取整

示例代码及运行结果如下：

import numpy as np
 
n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])
 
floor = np.floor(n)
print(floor)  # [ -2.  -3.  -1.   0.   1.   2.  11.]

13-3 向上取整

可以用方法ceil()实现向上取整

示例代码及运行结果如下：

import numpy as np
 
n = np.array([-1.7, -2.5, -0.2, 0.6, 1.2, 2.7, 11])
 
ceil = np.ceil(n)
print(ceil)  # [ -1.  -2.  -0.   1.   2.   3.  11.]

延伸阅读：
归纳总结MATLAB中与矩阵运算有关的算术运算符(加、减、乘、除、点乘、点除、乘方、转置等)
OpenCV中的MAT类矩阵的各种基本运算及示例代码(加、减、乘、点乘、点除、乘方、累加、转置等)