矩阵被用作数学工具，在现实世界中有多种用途。在本文中，我们将按照以下顺序讨论Python中关于使用著名的NumPy库的矩阵的所有内容：什么是NumPy以及何时使用它？在NumPy

矩阵被用作数学工具，在现实世界中有多种用途。在本文中，我们将按照以下顺序讨论Python中关于使用著名的NumPy库的矩阵的所有内容：

什么是NumPy以及何时使用它？在NumPy矩阵运算中创建一个矩阵和矩阵切片示例

的好处是：把所有这些放在一起-Python代码来解决线性方程组

让我们从Python中的矩阵开始。

什么是NumPy，什么时候使用它“NumPy是一个Python库，允许简单的数值计算，包括单个和多维数组和矩阵。顾名思义，NumPy擅长数值计算。许多数据科学库，如Pandas、Scikit learn、SciPy、matplotlib等，都依赖于NumPy。它是当今用Python编写的数据科学应用程序的一个组成部分。

许多线性代数计算很容易用NumPy解决。线性代数是许多机器学习算法的核心数学工具。因此，了解NoMyPy细节可以帮助您创建库或扩展现有的机器学习库。“KDSPE”“KdSPs”NUMPY提供：“KDSPE”一个强大的n维数组对象，称为NDARAL广播功能工具，用于集成C/C 和FORTRAN代码有用的线性代数，傅立叶变换，随机数功能

现在让我们继续使用Python中的矩阵，看看如何创建矩阵。

在NumPy中创建矩阵使用list创建矩阵将numpy导入为np##使用python列表创建2D numpy数组arr=np.数组([[1，2，3]，[4，5，6]])##此处开始=0##生成了从0到4的NumPy数组上面的print(np.arange(0,5))

语句输出以下1D数组：

生成2D矩阵我们可以在列表中使用np.arange()。我们将此列表传递到np.array()中，使其成为2D NumPy数组。

打印(np.arange(0,5)，np.arange(5,10)))arr_2d=np.数组([新罕布什尔州(0,5)，新罕布什尔州(5,10)]print(arrúu 2d.shape)

输出：

(2，5)表示矩阵有2行5列

矩阵，用零填充一个：创建一个形状(3，4)为零的矩阵打印(np.zeros((3，4)))

输出：

默认情况下，如果未指定，则数组中生成的数字类型为float64。

填充一个：35;##创建一个形状矩阵(2，2)填充一个##这里我们指定了dtype=np.int16，它要求NumPy生成整数将numpy导入为npmat_2d_1=np.数组([np.arange(0,3)，np.arange(3,6)])打印(“Matrix1:n”，mat_2d_1)打印(“Matrix2:n”，mat_2d_2)##向mat_2d_1中的每个元素添加1并打印打印(“标量相加：n”，mat_2d_1 1)##在元素上加两个矩阵将numpy导入为np##生成两个矩阵mat_2d_2=np.数组([np.arange(6,9)，np.arange(9,12)])打印(“Matrix1:n”，mat_2d_1)打印(“Matrix2:n”，mat_2d_2)##从mat_2d_1中的每个元素中减去1并打印出来##减去元素上的两个矩阵print(“两个大小相同的矩阵的元素相减：n”，mat_2d_1-mat_2d_2)

输出：

乘积

两种乘法或乘积运算可以在NumPy矩阵

标量积上进行：标量值与矩阵点乘的所有元素相乘：这是两个矩阵按矩阵相乘的规则。有关矩阵乘法的规则，请参阅矩阵乘法

##生成两个形状矩阵(2,3)和(3,2)，以便我们可以找到##点积mat_2d_1=np.数组([np.arange(0,3)，np.arange(3,6)])##打印形状和矩阵打印(“Matrix1:n”，mat_2d_1)打印(“Matrix1 shape:n”，mat_2d_1.shape)print(“Matrix2 shape:n”，mat_2d_2.形状)##将mat_2d_1中的每个元素乘以2并打印出来##用点积求上面两个矩阵的积打印(“点产品：n”，np.Dot(mat_2d_1，mat_2d_2))将numpy导入为np##生成形状矩阵(2,3)mat_2d=np.数组([np.arange(0,3)，np.arange(3,6)])##打印矩阵##按标量按元素划分打印(“标量除法：n”，mat_2d/2)将numpy导入为np##生成形状矩阵(2,3)##打印矩阵##找到指数元素，即将矩阵中的每个元素提升为2的幂打印(“矩阵提升为2:n的幂”，mat_2d**2)

输出：

“

1”转置矩阵的转置是一个新的矩阵，其行是原a(2，3)矩阵的列变成(3，2)形状的矩阵Numpy在存储矩阵转置的每个ndarray对象上都有一个属性。我们不需要使用任何特殊的算子来寻找矩阵的转置。matrix.T在NumPy中提供矩阵的转置，下面的代码片段演示了转置操作

##生成形状矩阵(2,3)##打印矩阵##矩阵转置

输出：

“

2”

切片矩阵切片正在选择子矩阵。Python为索引和切片矩阵提供了一种极好的语法。切片使用以下语法：matrix[row index range，column index range，step number]行和列索引范围遵循标准的python语法begin index:end index当代码运行切片以选择行

时，所选范围始终是从begin index到(end index–1)将numpy导入为np#创建矩阵材料2d=np.数组([新罕布什尔州(0,3)，新罕布什尔州(3,6)]#切片以获得矩阵中的第二行

输出：

“

3”

重要信息：行范围选择1:表示选择行索引1直到最后一行列范围索引：表示选择选定行范围切片中的所有列以选择列

将numpy导入为npmat_2d=np.数组([np.arange(0,3)，np.arange(3,6)])打印(“矩阵：n”，mat_2d)#切片以获取矩阵中的最后一列

输出：

重要信息：行范围选择：表示选择所有行列范围索引2：表示选择从索引2开始到结束切片的所有列以选择子矩阵

#创建矩阵打印(“矩阵：n”，mat_2d)#在mat_2d的中心切取(2，2)个子矩阵#即。#[9 10]]打印(“切片：n”，mat_2d[1:3，1:3])将numpy导入为np##A=(3,3)矩阵##B=(3,1)矩阵B=np.数组([1，-2，0]).T##X=Inv(A).B=(3，1)形状X=np.dot公司(投资部(A) ，乙)打印(“溶液：n”，X)

输出：

其中，x=-4.5，y=0.5，z=5.0

至此，我们的文章到此结束。我希望您了解什么是Python中的矩阵。

为了深入了解Python及其各种应用程序，您可以注册参加具有24/7支持和终身访问的实时Python认证培训。

为我们提了一个问题？请在“Python中的矩阵”博客的评论部分提到它，我们将尽快给您回复