1. 矩阵对象

在数学上，矩阵（Matrix）是一个按照矩形阵列排列的复数或实数集合，但在NumPy中，矩阵np.matrix是数组np.ndarray的派生类。这意味着矩阵本质上是一个数组，拥有数组的所有属性和方法；同时，矩阵又有一些不同于数组的特性和方法。

首先，矩阵是二维的，不能像数组一样幻化成任意维度，即使展开或切片，返回也是二维的；
其次，矩阵和矩阵、矩阵和数组都可以做加减乘除运算，运算结果总是返回矩阵；
最后，矩阵的乘法不同于数组乘法。

2. 创建矩阵

np.mat() 函数用于创建矩阵，它可以接受列表、数组甚至是字符串等形式的参数，还可以使用dtype参数指定数据类型，其代码如下。

>>> import numpy as np
>>> np.mat([[1,2,3],[4,5,6]], dtype=np.int32) # 使用列表创建矩阵
matrix([[1, 2, 3],[4, 5, 6]])
>>> np.mat(np.arange(6).reshape((2,3))) # 使用数组创建矩阵
matrix([[0, 1, 2],[3, 4, 5]])
>>> np.mat('1 4 7; 2 5 8; 3 6 9') # 使用Matlab风格的字符串创建矩阵
matrix([[1, 4, 7],[2, 5, 8],[3, 6, 9]])

此外，和生成特殊值数组类似，numpy.matlib 子模块（）也提供了多个函数用于生成特殊值矩阵和随机数矩阵，其代码如下。

>>> import numpy.matlib as mat # 也可以不用单独导入，直接使用numpy.matlib.mat
>>> print(mat.zeros((2,3))) # 全0矩阵
[[0. 0. 0.][0. 0. 0.]]
>>> print(mat.ones((2,3))) # 全1矩阵
[[1. 1. 1.][1. 1. 1.]]
>>> print(mat.eye(3)) # 单位矩阵
[[1. 0. 0.][0. 1. 0.][0. 0. 1.]]
>>> print(mat.empty((2,3))) # 空矩阵
[[1. 1. 1.][1. 1. 1.]]
>>> print(mat.rand((2,3))) # [0,1)区间随机数矩阵
[[0.505 0.494 0.96 ][0.681 0.002 0.281]]
>>> print(mat.randn((2,3))) # 均值0方差1的高斯（正态）分布矩阵
[[ 1.984  2.452  0.567][ 0.646 -0.909  0.774]]

3. 矩阵属性

矩阵有几个特有的属性，如转置矩阵、逆矩阵、共轭矩阵、共轭转置矩阵等。熟悉这些属性对矩阵计算会有很大的帮助。

>>> m = np.mat(np.arange(6).reshape((2,3)))
>>> print(m)
[[0 1 2][3 4 5]]
>>> print(m.T) # 返回自身的转置矩阵
[[0 3][1 4][2 5]]
>>> print(m.H) # 返回自身的共轭转置矩阵
[[0 3][1 4][2 5]]
>>> print(m.I) # 返回自身的逆矩阵
[[-0.778  0.278][-0.111  0.111][ 0.556 -0.056]]
>>> print(m.A) # 返回自身数据的视图（ndarray类）
[[0 1 2][3 4 5]]

4. 矩阵乘法

矩阵运算和数组运算大致相同，只有乘法运算有较大差别。在讲广播和矢量化时，我们已经知道，两个数组相乘就是对应元素相乘，条件是两个数组的结构相同。事实上，即使两个数组的结构不同，只要满足特定条件，也能做乘法运算。

除了对应元素相乘，数组还可以使用 np.dot() 函数相乘，其代码如下。

对于数组而言，使用星号相乘和使用np.dot()函数相乘是完全不同的两种乘法；对于矩阵来说，不管是使用星号相乘还是使用np.dot()函数相乘，结果都是np.dot( )函数相乘的结果，因为矩阵没有对应元素相乘这个概念。np.dot()函数实现的乘法就是矩阵乘法。那么矩阵乘法究竟是怎么运算的呢？下图是矩阵相乘的具体算法示意图。

不是所有的矩阵都能相乘。我们来看，矩阵A乘以矩阵B，二者可以相乘的条件是：A的列数必须等于B的行数。比如，a是4行2列，b是2行3列，axb，4223，没问题，但是反过来，bxa，2342，就无法运算了。可见，矩阵乘法，不满足交换律。再来看看乘法规则。概括说，就是A的各行逐一去乘B的各列。比如，A的第1行和b的第2列，元素个数一定相等，对应元素相乘后求和，作为结果矩阵第1行第2列的值。再比如，a的第3行和b的第3列，对应元素相乘后求和，作为结果矩阵第3行第3列的值。以此类推，我们就得到了矩阵A乘以矩阵B的结果矩阵。

那么，这个眼花缭乱的矩阵乘法，有什么实用价值吗？答案是：有，不但有，而且有非常大的使用价值。对于程序员来说，矩阵乘法最常见的应用是图像的旋转、位移、透视等操作。下面，我们来推导一个平面直角坐标系的旋转矩阵。

下面，我们应用这个推导结果，定义一个函数，返回平面上的点围绕原点旋转给定角度后的坐标：

>>> def rotate(p,d):a = np.radians(d)m = np.array([[np.cos(a), np.sin(a)],[-np.sin(a), np.cos(a)]])return np.dot(np.array(p), m)>>> rotate((5.7,2.8), 35) # 旋转35°
array([3.06315263, 5.56301141])
>>> rotate((5.7,2.8), 90) # 旋转90°
array([-2.8,  5.7])
>>> rotate((5.7,2.8), 180) # 旋转180°
array([-5.7, -2.8])
>>> rotate((5.7,2.8), 360) # 旋转360°
array([5.7, 2.8])

关于矩阵及其乘法，我们就讨论这么多。难度应该不大，但对于有数学恐惧症的程序员来说，会感到紧张。没关系，只要记住旋转矩阵的使用方法，即使不懂数学，也照样可以成为优秀的 Python程序员。

科学计算基础软件包NumPy入门讲座（7）：矩阵相关推荐

科学计算基础软件包NumPy入门讲座（5）：常用函数
文章目录 1. 特殊值 2. 函数命名空间 3. 数学函数 4. 统计函数 5. 插值函数 6. 多项式拟合函数 7. 自定义广播函数 7.1．使用np.frompyfunc定义广播函数 7.2 使用 ...
科学计算基础软件包NumPy入门讲座（4）：操作数组
文章目录 1. 索引和切片 2. 改变结构 3. 合并与拆分 4. 复制 5. 排序 6. 查找和筛选 6.1 查找 6.2 筛选 7. 数组I/O 1. 索引和切片 NumPy数组对象的内容可以通过 ...
科学计算基础软件包Numpy学习 02
创建数组以下介绍Numpy创建数组的一些常用方法,主要有:蛮力构造法,特殊数值法,随机数值法,定长分割法,重复构造法,网络构造法,自定义数据类型蛮力构造法蛮力构造法使用np.array()函数来 ...
python 科学计算基础教程电子版-自学Python 编程基础、科学计算及数据分析
自学Python 编程基础.科学计算及数据分析 epub pdf mobi txt 下载自学Python 编程基础.科学计算及数据分析 epub pdf mobi txt 下载 ☆☆☆☆☆ 李金著 ...
【Python基础】科学计算库Scipy简易入门
0.导语 Scipy是一个用于数学.科学.工程领域的常用软件包,可以处理插值.积分.优化.图像处理.常微分方程数值解的求解.信号处理等问题.它用于有效计算Numpy矩阵,使Numpy和Scipy协同工 ...
初识人工智能(一):数据分析(二):numpy科学计算基础库(一)
1. numpy科学计算基础库 1.1 什么是numpy 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 ...
python科学计算基础教程pdf下载-Python科学计算基础教程_PDF电子书
因资源下载地址容易失效,请加微信号359049049直接领取,直接发最新下载地址. 前言 ======================================================= ...
Python科学计算基础篇
关于Numpy Numpy是Python的一个矩阵类型,提供大量矩阵处理函数,内部通过C实现. 包含两种数据结构,数组array和矩阵matrix,其实就是array而已构建数组array 通过tu ...
《Python科学计算基础教程》 -- 读书笔记
文章目录 Python科学计算基础教程代码路径 http://www.github.com/sundaygeek/MasteringPythonScirntificComputing 第1章科学计 ...

科学计算基础软件包NumPy入门讲座（7）：矩阵

文章目录

1. 矩阵对象

2. 创建矩阵

3. 矩阵属性

4. 矩阵乘法

科学计算基础软件包NumPy入门讲座（7）：矩阵相关推荐

最新文章

热门文章