本文实例讲述了Python矩阵常见运算操作。分享给大家供大家参考,具体如下:

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。

一.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。

二.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=mat(a1);

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)

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

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

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

data5=mat(random.randint(2,8,size=(2,5));

#产生一个2-8之间的随机整数矩阵

data6=mat(eye(2,2,dtype=int));

#产生一个2*2的对角矩阵

a1=[1,2,3];

a2=mat(diag(a1));

#生成一个对角线为1、2、3的对角矩阵

三.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

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);

矩阵点乘

a1=mat([2,2]);

a2=a1*2;

3.矩阵求逆,转置

矩阵求逆

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

a2=a1.I;

#求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵

矩阵转置

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

a2=a1.T;

4.计算矩阵对应行列的最大、最小值、和。

a1=mat([[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

a3=a1.sum(axis=1);//行和,这里得到的是3*1的矩阵

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

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

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

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

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

np.max(a1,1);//计算所有行的最大值,这里得到是一个矩阵

np.argmax(a1,0);//计算所有列的最大值对应在该列中的索引

np.argmax(a1[1,:]);//计算第二行中最大值对应在改行的索引

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)));

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

矩阵的合并

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

b=mat(eye(2));

c=vstack((a,b));//按列合并,即增加行数

d=hstack((a,b));//按行合并,即行数不变,扩展列数

四.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]]);

dimension=a.ndim;

m,n=a.shape;

number=a.size;//元素总个数

str=a.dtype;//元素的类型

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

a2=array(a1);//将列表转换成二维数组

a3=array(a1);//将列表转化成矩阵

a4=array(a3);//将矩阵转换成数组

a5=a3.tolist();//将矩阵转换成列表

a6=a2.tolist();//将数组转换成列表

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];

a2=array(a1);

a3=mat(a1);

a4=a2.tolist();//这里得到的是[1,2,3]

a5=a3.tolist();//这里得到的是[[1,2,3]]

a6=(a4 == a5);//a6=False

a7=(a4 is a5[0]);//a7=True,a5[0]=[1,2,3]

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

更多关于Python相关内容可查看本站专题:《Python数学运算技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。

本文标题: Python矩阵常见运算操作实例总结

本文地址: http://www.cppcns.com/jiaoben/python/205723.html

python数值运算实例_Python矩阵常见运算操作实例总结相关推荐

  1. python矩阵运算实例_Python矩阵常见运算操作实例总结

    本文实例讲述了python矩阵常见运算操作.分享给大家供大家参考,具体如下: 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. 一.numpy的导入 ...

  2. python矩阵运算实例_Python矩阵常见运算操作实例总结 python 怎么实现矩阵运算

    python 怎么查看一个矩阵的维数你是知道的,等你,我已经栖息了疲惫的憧憬,夜夜抚慰残梦的翅膀. 都是复制党,百度知道回答真的质量太低了,真的很心疼,言归正传 利用numpy分享矩阵维数: impo ...

  3. python矩阵运算_Python矩阵常见运算操作实例总结

    本文实例讲述了Python矩阵常见运算操作.分享给大家供大家参考,具体如下: 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. 一.numpy的导入 ...

  4. python实操100例实例_python开发之list操作实例分析

    本文实例分析了python开发之list操作.分享给大家供大家参考,具体如下: 对python中list的操作,大家可以参考<Python list操作用法总结> 以下是我个人的笔记: # ...

  5. python json数组解析_Python读取JSON数据操作实例解析

    问题 你想读写 JSON(JavaScript Object Notation) 编码格式的数据. 解决方案 json模块提供给了一种很简单的方式来编码和解码json数据,其中两个主要的函数时json ...

  6. python查询oracle数据库_python针对Oracle常见查询操作实例分析

    本文实例讲述了python针对Oracle常见查询操作.分享给大家供大家参考,具体如下: 1.子查询(难): 当进行查询的时候,发现需要的数据信息不明确,需要先通过另一个查询得到, 此查询称为子查询: ...

  7. python精确有理数实验_python之有理数运算Rational类

    python中可以做的数学运算,仅局限在了基本数据类型int.float.因为我们前面学过了特殊方法,所以我们现在也可以进行有理数运算.矩阵运算,今天我们就先讲解有理数运算,矩阵运算与有理数运算方法基 ...

  8. python遍历字符串数组_Python遍历numpy数组的实例

    Python遍历numpy数组的实例 在用python进行图像处理时,有时需要遍历numpy数组,下面是遍历数组的方法: [rows, cols] = num.shape for i in range ...

  9. python pymysql实例_Python使用pymysql模块操作mysql增删改查实例分析

    Python使用pymysql模块操作mysql增删改查实例分析 发布时间:2020-09-30 16:42:12 来源:脚本之家 阅读:92 本文实例讲述了Python使用pymysql模块操作My ...

最新文章

  1. PointNet++论文个人理解
  2. VS2019配置opencv环境时找不到Microsoft.Cpp.x64.user.props
  3. ubuntu 18.04下按照搜狗输入法
  4. linux 等待信号,51CTO博客-专业IT技术博客创作平台-技术成就梦想
  5. php 设置统一处理错误,统一的PHP错误处理理论
  6. C/C++之string类小结
  7. 调试js 试用火狐的firebug
  8. scrapy+selenium实战,热搜明星数据分析,看看有哪些好玩的事情
  9. 前端es6文档大全,你想要的这都有
  10. c语言飞机大战游戏素材,jQuery飞机大战游戏
  11. 或是独体字吗_独体字
  12. 使用用AI制作logo图标教程
  13. 深入浅出面板数据分析
  14. Bable的快速入门
  15. Android推送技术总结
  16. vue上线后图片不显示_解决Vue打包后访问图片/图标不显示的问题
  17. 建模新手入门,来看安装ZBrush对电脑有什么特别的要求?
  18. 邮件to cc bcc
  19. 说起刘慈欣,不要只知道《三体》和《流浪地球》
  20. 简单介绍psutil库(virtual_memory()、cpu_percent()

热门文章

  1. pandas使用nunique函数计算dataframe每个数据列的独特值的个数(count number of unique values in each column of dataframe)
  2. python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组、使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank)
  3. pandas使用transpose函数对dataframe进行转置、将dataframe的行和列进行互换(flip the rows and columns in dataframe)
  4. R语言plotly可视化:可视化直方图、归一化的直方图、水平直方图、互相重叠的直方图、堆叠的直方图、累积直方图、通过bingroup参数设置多个直方图使用相同的bins设置、自定义直方图条形的间距
  5. pandas使用normalize函数将dataframe中的时间(time)数据列转化为日期(date)数据列(例如,从2019-12-25 11:30:00到2019-12-25)
  6. R语言使用beanplot包绘制豆荚图实战:与箱图、小提琴图对比、绘制不对称的豆荚图
  7. R可视化ggplot2中绘制趋势线
  8. python集合(set)+常见方法+交叉并补
  9. 生成对抗网络(Generative Adversarial Network,GAN)
  10. 武汉理工java_Java语言程序设计E