Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）

文章目录

一、矩阵相关操作
二、ufunc统一泛化函数

一、矩阵相关操作

1、三种构造矩阵的方法

np.matrix(二维容器, copy=True)
一参为可被解释为矩阵的二维容器，比如二维数组、二维列表；
二参为copy，表示是否将原容器的数据复制一份，若为True则不会影响原容器，若为false则会影响原容器数据
numpy.mat(可被解释的二维容器)——>这种方法则一定是将数据与元容器共享
numpy.bmat(‘A B; C D’) ——>块级拼接，这种方法是将多个小的矩阵合成一个大的矩阵

2、常用属性

T属性：转置运算
I属性：广义逆矩阵，非方阵也可以算出逆矩阵（两个互逆矩阵相乘等于单位矩阵，类似1；即为A*B=E）
两矩阵相乘（举例二维矩阵）：
第一行乘第一列之和，第一行乘第二列之和
第二行乘第一列之和，第二行乘第二列之和

3、练习代码

import numpy as np# 二维数组作为二维容器
a = np.array([[1, 2],[3, 4]
])# 将二维容器转换为矩阵
b = np.matrix(a)
c = np.mat(a)
# 改变容器数据
a *= 10# 一个会变(mat)一个不会变(matrix)，若为二维列表则都会变（会自动复制一份）
# 当然若设置matrix的copy也可以变：b = np.matrix(a, copy=False)
print(b, type(b))
print("-----------------------------")
print(c, type(c))# 直接创建矩阵
d = np.mat('11 22; 33 44')
e = np.mat('55 66; 77 88')
print("-----------------------------")
print(d, type(d))# 块级拼接
f = np.bmat('d e')  # 竖直拼接：f = np.bmat('d;e')
print("-----------------------------")
print(f, type(f))# 逆矩阵和矩阵相乘
print("-----------------------------")
print(c.I)
print(c * d)

二、ufunc统一泛化函数

1、ufunc对象
统一泛化函数，与vectorize类似，只是frompyfunc会在数据后面跟上类型

2、格式
numpy.frompyfunc(标量函数, 函数个数, 返回值个数)
返回一个ufunc泛化函数对象，矢量返回值

3、ufunc对象的方法（需要加一个add）

numpy.add.reduce()：累加数组元素
numpy.add.accumulate()：元素累加过程
numpy.add.reduceat()：分段累加（在指定位置累加）
numpy.add.outer()：求外和，分别给每一个元素加上给定列表中的数据
区分：numpy.outer()是求外积，给每一个元素乘上给定列表中的数据

4、练习代码

import numpy as np# def func(a, b):
#     return a+b, a-b, a*b
# A = np.array([10, 20, 30])
# B = np.array([100, 200, 300])
#
# C = np.vectorize(func)(A, B)
# print(C)
# D = np.frompyfunc(func, 2, 3)(A, B)  # 2说明有两个参数，3说明有三个返回值
# print(D)'''
ufunc函数对象的方法
'''
a = np.arange(1, 7)
print(a)
b = np.add.reduce(a)
print(b)
c = np.add.accumulate(a)
print(c)print("-----------------------------------")
d = np.add.reduceat(a, [0, 2, 4])  # 在0，2，4位置做累加，即0后2前做一段累加，2后4前做一段累加，4后做一段累加
print(d)
e = np.add.outer([10, 20, 30], a)  # 求外和，分别给每一个元素加上10，20，30，组成新的数组
print(e)
f = np.outer([10, 20, 30], a)
print(f)

Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）相关推荐

python输入数组并计算_利用Python进行数据分析——Numpy基础：数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
矩阵相关操作和矩阵快速幂
矩阵相关操作和矩阵快速幂矩阵基本运算以及快速幂模板 POJ - 3070. Fibonacci Hdu - 1757A. Simple Math Problem Codeforces - 185A. ...
Python列表（list）的相关操作及方法
Python列表(list)的相关操作及方法一.list列表 1.概述: 本质:list列表的本质是一种有序的集合 2.创建列表语法: 列表名 = [元素1,元素2,元素3-] 说明:列表中的选项 ...
【Python】数据分析.numpy.矩阵乘法运算
Python.numpy.矩阵乘法运算声明:本文章转载于矩阵的乘法运算及Python实现在讲矩阵相乘之前,我们先看一个生活中的例子. 假如猪肉.牛肉.鸡蛋的价格在一周内不发生变化,记录近三周内的价 ...
Python 3.8+numpy查找矩阵中所有鞍点
图书推荐: <Python数据分析.挖掘与可视化>(慕课版)(ISBN:978-7-115-52361-7),董付国,人民邮电出版社,定价49.8元,京东.当当.天猫均有销售. 图书封面: ...
利用 Numpy 进行矩阵相关运算
正文共:3266 字 31 图预计阅读时间: 9 分钟本文目录: 1. 前言 1.1 基本介绍 1.2 运行环境 2. 函数清单 3. 案例讲解 3.1 Numpy.linalg 3.2 Nump ...
Python之数据加密与解密及相关操作（hashlib、hmac、random、base64、pycrypto）
本文内容数据加密概述 Python中实现数据加密的模块简介 hashlib与hmac模块介绍 random与secrets模块介绍 base64模块介绍 pycrypto模块介绍总结参考文档提 ...
python基础===【字符串】所有相关操作
#字符串的相关操作#基本操作 #+ 字符串连接操作 str1 = '来是come走是go' str2 = '点头yes摇头no' result = str1 + str2 print(result)# ...
php语法------04 php内置函数之与页面表单请求相关的内置函数对象
2019独角兽企业重金招聘Python工程师标准>>> $_SERVER:服务器相关的信息 $_REQUEST:请求相关的信息(表单数据,不管是GET方式提交还是POST方式提交) ...

Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）

文章目录

一、矩阵相关操作

二、ufunc统一泛化函数

Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）相关推荐

最新文章

热门文章