1、向量、矩阵表示：

numpy的向量表示是通过array数组来实现的

一维向量（行、列）：

在numpy中一维向量用一位数组array([1, 1, 1])表示，既能表示行向量也能表示列向量，一维向量转置后还是原来的样子（因为存储结构是数组）

from numpy import *v1 = array([0, 0, 0])
v1t = v1.transpose()
print(v1)
print(v1t)

矩阵：

from numpy import *# 一行三列
v1 = array([[1, 1, 1]])
print(v1)# 两行三列
v2 = array([[1, 1, 2], [1, 1, 0]])
print(v2)

2、向量计算

线性代数矩阵乘法

from numpy import *# 一维向量
v1 = array([1, 0, 1])
v11 = array([1, 1, 1])# 2*3矩阵
v2 = array([[1, 1, 2], [1, 1, 0]])# 线性代数矩阵乘法，行乘列，再相加
print("一维向量dot： ", dot(v11, v1))
print("一维dot二维： ", dot(v2, v1))

输出结果：

一维向量dot：  2
一维dot二维：  [3 1]

对应位置相乘

from numpy import *# 一维向量
v1 = array([1, 0, 1])
v11 = array([1, 1, 1])# 2*3矩阵
v2 = array([[1, 1, 2], [1, 1, 0]])# 对应位置相乘
print("一维向量multiply： ", multiply(v1, v11))
print("一维multiply二维： ", multiply(v1, v2))

输出结果：

一维向量multiply：  [1 0 1]
一维multiply二维：  [[1 0 2][1 0 0]]

加减法

from numpy import *# 一维向量
v1 = array([1, 0, 1])
v11 = array([1, 1, 1])# 2*3矩阵
v2 = array([[1, 1, 2], [1, 1, 0]])# 向量加法
print("一维向量相加： ", v1 + v11)
print("一维加二维： ", v1 + v2)# 向量减法
print("一维向量相减： ", v1 - v11)
print("一维减二维： ", v1 - v2)

3、矩阵的另一种表示mat

创建矩阵

(1) 在创建矩阵的专用字符串中，矩阵的行与行之间用分号隔开，行内的元素之间用空格隔开。

(2) 用T属性获取转置矩阵

mat函数创建任意矩阵

from numpy import *a = mat('1 2 3; 4 5 6')
a_transpose = a.T
print("矩阵A： ", a)
print("矩阵A的转置： ", a_transpose)
B = mat(arange(12).reshape(3, 4))
print("元素值为0-11的3*4维矩阵", B)

输出结果：

矩阵A：  [[1 2 3][4 5 6]]
矩阵A的转置：  [[1 4][2 5][3 6]]
元素值为0-11的3*4维矩阵 [[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]

构建全0矩阵

from numpy import *# 全0矩阵
A = zeros((4, 5))
print("全0矩阵", A)

输出结果：

全0矩阵 [[0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.][0. 0. 0. 0. 0.]]

构建单位矩阵

from numpy import *# 单位矩阵
C = eye(3)
print("单位矩阵C： ", C)

输出结果：

单位矩阵C：  [[1. 0. 0.][0. 1. 0.][0. 0. 1.]]

构建复合矩阵

from numpy import *# 单位矩阵
C = eye(3)
print("单位矩阵C： ", C)# 复合矩阵
D = C * 2
print("单位矩阵*2： ", D)print(bmat('C D; D C'))

输出结果：

单位矩阵*2：  [[2. 0. 0.][0. 2. 0.][0. 0. 2.]]
[[1. 0. 0. 2. 0. 0.][0. 1. 0. 0. 2. 0.][0. 0. 1. 0. 0. 2.][2. 0. 0. 1. 0. 0.][0. 2. 0. 0. 1. 0.][0. 0. 2. 0. 0. 1.]]

Python中的向量、矩阵（numpy）相关推荐

python 向量_关于Python中的向量相加和numpy中的向量相加效率对比
直接使用Python来实现向量的相加 # -*-coding:utf-8-*- #向量相加 def pythonsum(n): a = range(n) b = range(n) c = [] for ...
python坐标系向量分量_关于Python中的向量相加和numpy中的向量相加效率对比
直接使用Python来实现向量的相加 # -*-coding:utf-8-*- #向量相加 def pythonsum(n): a = range(n) b = range(n) c = [] for ...
积跬步至千里 || python 中的向量格式与运算
python 中的向量格式与运算文章目录 python 中的向量格式与运算 1. 矩阵中的向量 2. 利用普通向量对矩阵进行填补 python 中的向量有两种形式, 一种是矩阵形式的向量; 另一种是 ...
Python中出现:AttributeError: module 'numpy' has no attribute 'dtype'问题解决
QUESTION:Python中出现:AttributeError: module 'numpy' has no attribute 'dtype'问题解决 ANWSER: 这个问题可是困扰了我一天的 ...
Python中的向量
Python中的向量 [课程性质:大数据分析] 1. 实验目标向量向量运算向量子集 2. 实验对象 Python基础学习对象:本科学生.研究生.人工智能.算法相关研究者.开发者大数据分析 3 ...
python中grid函数_Python / NumPy中meshgrid的目的是什么？
实际上文档中已经提到了np.mgrid的目的: np.mgrid 从坐标向量返回坐标矩阵. 在给定一维坐标数组x1,x2,...,xn的情况下,为N-D网格上的N-D标量/矢量场的矢量化评估制作N-D ...
迈向数据科学的第一步：在Python中支持向量回归
什么是支持向量回归? (What is Support Vector Regression?) Support vector regression is a special kind of regre ...
python中数组转矩阵_python实现矩阵和array数组之间的转换
python 列表.矩阵.数组之间的关系矩阵可以实现多维切片,如: b = m[1:10, 3:20] 但是多维列表却不可以首先,没见过b = m[1:10, 3:20] 这种写法,小编试了一下有 ...
python中两个矩阵之间的点乘_Python基础--数据分析库--Numpy
一.基础概念 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库. NumPy 通常与 Sci ...

Python中的向量、矩阵（numpy）

1、向量、矩阵表示：

一维向量（行、列）：

矩阵：

2、向量计算

线性代数矩阵乘法

对应位置相乘

加减法

3、矩阵的另一种表示mat

创建矩阵

Python中的向量、矩阵（numpy）相关推荐

最新文章

热门文章