详解Python科学计算扩展库numpy中的矩阵运算(1)
首先解答上一篇文章中使用with关键字让你的Python代码更加Pythonic最后的习题,该题答案是False,原因在于内置函数sorted()的参数reverse=True时表示降序排序,而内置函数reversed()是逆序或者翻转(首尾交换),二者之间没有任何关系。
--------------------分割线-------------------
Python扩展库numpy提供了大量的矩阵运算,本文进行详细描述。
>>> import numpy as np
>>> a_list = [3, 5, 7]
# 创建矩阵
>>> a_mat = np.matrix(a_list)
>>> a_mat
matrix([[3, 5, 7]])
# 矩阵转置
>>> a_mat.T
matrix([[3],
[5],
[7]])
# 矩阵形状
>>> a_mat.shape
(1, 3)
# 元素个数
>>> a_mat.size
3
# 创建矩阵
>>> b_mat = np.matrix((1, 2, 3))
>>> b_mat
matrix([[1, 2, 3]])
# 矩阵相乘
>>> a_mat * b_mat.T
matrix([[34]])
# 元素平均值
>>> a_mat.mean()
5.0
# 所有元素之和
>>> a_mat.sum()
15
# 最大值
>>> a_mat.max()
7
# 横向最大值
>>> a_mat.max(axis=1)
matrix([[7]])
# 纵向最大值
>>> a_mat.max(axis=0)
matrix([[3, 5, 7]])
# 创建二维矩阵
>>> c_mat = np.matrix([[1, 5, 3], [2, 9, 6]])
>>> c_mat
matrix([[1, 5, 3],
[2, 9, 6]])
# 纵向排序后的元素序号
>>> c_mat.argsort(axis=0)
matrix([[0, 0, 0],
[1, 1, 1]], dtype=int64)
# 横向排序后的元素序号
>>> c_mat.argsort(axis=1)
matrix([[0, 2, 1],
[0, 2, 1]], dtype=int64)
>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 矩阵对角线元素
>>> d_mat.diagonal()
matrix([[1, 5, 9]])
# 矩阵平铺
>>> d_mat.flatten()
matrix([[1, 2, 3, 4, 5, 6, 7, 8, 9]])
# 特征值与特征向量
>>> np.linalg.eig([[1,1],[2,2]])
(array([ 0., 3.]), array([[-0.70710678, -0.4472136 ],
[ 0.70710678, -0.89442719]]))
>>> x = np.matrix([[1,2], [3,4]])
# 逆矩阵
>>> y = np.linalg.inv(x)
>>> x * y
matrix([[ 1.00000000e+00, 1.11022302e-16],
[ 0.00000000e+00, 1.00000000e+00]])
>>> y * x
matrix([[ 1.00000000e+00, 4.44089210e-16],
[ 0.00000000e+00, 1.00000000e+00]])
>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> e, v = np.linalg.eig(d_mat)
>>> v*np.diag(e)*np.linalg.inv(v)
matrix([[ 1., 2., 3.],
[ 4., 5., 6.],
[ 7., 8., 9.]])
# 协方差
>>> np.cov([1,1,1,1,1])
array(0.0)
>>> x = [-2.1, -1, 4.3]
>>> y = [3, 1.1, 0.12]
>>> X = np.vstack((x,y))
# 协方差
>>> print(np.cov(X))
[[ 11.71 -4.286 ]
[ -4.286 2.14413333]]
>>> print(np.cov(x, y))
[[ 11.71 -4.286 ]
[ -4.286 2.14413333]]
>>> print(np.cov(x))
11.709999999999999
# 二维矩阵
>>> x = np.matrix(np.arange(0,10).reshape(2,5))
>>> x
matrix([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
# 所有元素之和
>>> x.sum()
45
# 纵向求和
>>> x.sum(axis=0)
matrix([[ 5, 7, 9, 11, 13]])
# 横向求和
>>> x.sum(axis=1)
matrix([[10],
[35]])
# 平均值
>>> x.mean()
4.5
>>> x.mean(axis=1)
matrix([[ 2.],
[ 7.]])
>>> x.mean(axis=0)
matrix([[ 2.5, 3.5, 4.5, 5.5, 6.5]])
------------------分割线----------------
今日习题:表达式10 ** 2 ** 3的值是什么,原因是什么?
详解Python科学计算扩展库numpy中的矩阵运算(1)相关推荐
- Python科学计算扩展库numpy中的广播运算
首先解答上一个文章Python扩展库numpy中的布尔运算中的问题,该题答案为[111, 33, 2],题中表达式的作用是按列表中元素转换为字符串后的长度降序排序. ----------------- ...
- Python科学计算扩展库NumPy之广播(Broadcast)
广播的规则: 让所有输入数组都向其中形状最长的数组看齐,形状中不足的部分都通过在前面加 1 补齐. 输出数组的形状是输入数组形状的各个维度上的最大值. 如果输入数组的某个维度和输出数组 ...
- Python科学计算扩展库NumPy之np.array()与np.asarray()区别
1.数据源为数组ndarray时,array仍然会copy出一个副本,占用新的内存,但asarray不会. #!/usr/bin/env python import numpy as npdata = ...
- Python扩展库numpy中where()函数的三种用法
第一种用法:只给where()函数传递一个数组作为参数,返回其中非0元素的下标. 第二种用法:给where()函数传递一个包含True/False值的数组,返回该数组中True值的下标,结合numpy ...
- 爱因斯坦求和约定在Python扩展库Numpy中的实现
推荐教材: <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,2020年1月出版,2021年12月第 ...
- Python科学计算:用NumPy快速处理数据
你好,我是悦创. 我来分享一下数据分析中 Numpy 库的使用,本文内容较多,不可能每段代码的输出过程.输出结果分析这显然工作量不是一点点.但我都结合了大量的代码块,希望小伙伴动手运行代码并分析所得到 ...
- python科学计算库-python 科学计算基础库安装
1.numpy NumPy(Numeric Python)是用Python进行科学计算的基本软件包. NumPy是Python编程语言的扩展,增加了对大型多维数组和矩阵的支持,以及一个大型的高级数学函 ...
- pythonnet 详解,Python调用.net动态库实现过程解析
pythonnet简介 pythonnet是cpython的扩展 pythonnet提供了cpython和.net程序集之间交互的桥梁 pythonnet开源在github上 pythonnet安装 ...
- python调用c#dll_详解Python 调用C# dll库最简方法
1.为什么要跨平台编程?双平台编程或多平台编程,只是为提供更好开发更兼容的解决方案的一种手段,编程时服务于产品和客户的,也是因地制宜. 先安装python所需的库clr ,我这里已经安装了,可以去对应 ...
最新文章
- redis-数据类型与应用
- Nginx实现高可用的工作原理
- Linq标准查询运算及用法
- 【Python学习】 - 手写数字识别 - python读入mnist数据集的多种方法
- python中文件读取操作及注意事项
- Gensee移动SDK之(二)协议
- Navicat Premium 12.1.24
- 什么是android应用程序未安装,Android 解决应用程序未安装的三种方法
- Java学习笔记:Word中创建图表如此简单
- 2020 NOC 编程猫创新编程全国决赛小学组第一部分(客观题)
- istio安全之Citadel
- 滴滴出行数据应用平台建设实践
- tcas计算机历史故障,TCAS及ATC相关故障处理的讨论.doc
- android studio运行的时候出现Unable to obtain debug bridge错误的解决办法
- 【视频处理】模拟视频与数字视频的区别
- 西邮linux兴趣小组2019-2021三年纳新试题浅析
- 暴雪御用高级3D角色设计师,用高模玩转机甲与怪物!
- win7怎么修改计算机皮肤,Windows7系统是怎么修改UC浏览器的皮肤?
- 安装ngtpy踩坑记录(C++打包Python的一些小坑)
- C++:情人节(团体程序设计天梯赛)
热门文章
- mysql 数据类型 真假_【转】MySQL数据类型
- 使用计算机系统管理商品存货,ERP管理系统中编码的意义
- c 连接oracle 通用类,c#操作oracle,有没有相仿sqlhelp之类的通用操作类(6)
- 云计算机的优点,介绍云的优点和注意事项
- 服务器电脑 默认虚拟内存,服务器是否需要设置虚拟内存
- 学习笔记(02):MySQL数据库运维与管理-03-状态变量及查看方法
- oa软件测试用例,OA标准系统测试用例.doc
- google annotation笔记
- 加快android编译速度
- 基于JAVA+SpringMVC+Mybatis+MYSQL的在线考试系统