Python.Numpy学习零碎笔记之数组与矩阵

更多内容可以查阅Python数据分析基础教程：NumPy学习指南(第2版) 中文pdf版

1 矩阵与多维数组元素访问方式的不同点：

1）矩阵

import numpy as np
m1 = np.mat([[1,2,3],[4,5,6],[7,8,9]])
print(m1)
print(m1[0,0])  # 矩阵只支持该访问方式

2）多维数组

import numpy as np
A1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(np.shape(A1))
print(A1[0,0])
print(A1[0][0])   #  多维数组支持这两种访问方式

2 矩阵与多维数组的区别在于他们计算的方式不同！

#两个数组相乘：
>>> a1=array([1, 2, 3])
>>> a2=array([0.3, 0.2, 0.3])
>>> a1*a2
array([ 0.3,  0.4,  0.9])

#矩阵相乘
>>> m1=mat([1,2,3])     #1行3列
>>> m2=matrix([4,5,6])  #矩阵两种创建方式
>>> m1*m2.T             #注意左列与右行相等 m2.T为转置操作
matrix([[32]])       
>>> multiply(m1,m2)     #执行点乘操作，要使用函数，特别注意
matrix([[ 4, 10, 18]])   

3 列表转矩阵、排序、shape、索引取值

#将Python的列表转换成NumPy的矩阵
>>> list=[1,2,3]
>>> mat(list)
matrix([[1, 2, 3]])

#排序
>>> m=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]])
                                #注意原矩阵已改变

>>> 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]])