本文实例讲述了Python矩阵常见运算操作。分享给大家供大家参考,具体如下:
python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包。
一.numpy的导入和使用
1
2
|
from numpy import * ; #导入numpy的库函数
import numpy as np; #这个方式使用numpy的函数时,需要以np.开头。
|
二.矩阵的创建
由一维或二维数据创建矩阵
1
2
3
|
from numpy import * ;
a1 = array([ 1 , 2 , 3 ]);
a1 = mat(a1);
|
创建常见的矩阵
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
data1 = mat(zeros(( 3 , 3 )));
#创建一个3*3的零矩阵,矩阵这里zeros函数的参数是一个tuple类型(3,3)
data2 = mat(ones(( 2 , 4 )));
#创建一个2*4的1矩阵,默认是浮点型的数据,如果需要时int类型,可以使用dtype=int
data3 = mat(random.rand( 2 , 2 ));
#这里的random模块使用的是numpy中的random模块,random.rand(2,2)创建的是一个二维数组,需要将其转换成#matrix
data4 = mat(random.randint( 10 ,size = ( 3 , 3 )));
#生成一个3*3的0-10之间的随机整数矩阵,如果需要指定下界则可以多加一个参数
data5 = mat(random.randint( 2 , 8 ,size = ( 2 , 5 ));
#产生一个2-8之间的随机整数矩阵
data6 = mat(eye( 2 , 2 ,dtype = int ));
#产生一个2*2的对角矩阵
a1 = [ 1 , 2 , 3 ];
a2 = mat(diag(a1));
#生成一个对角线为1、2、3的对角矩阵
|
三.常见的矩阵运算
1. 矩阵相乘
1
2
3
4
|
a1 = mat([ 1 , 2 ]);
a2 = mat([[ 1 ],[ 2 ]]);
a3 = a1 * a2;
#1*2的矩阵乘以2*1的矩阵,得到1*1的矩阵
|
2. 矩阵点乘
矩阵对应元素相乘
1
2
3
|
a1 = mat([ 1 , 1 ]);
a2 = mat([ 2 , 2 ]);
a3 = multiply(a1,a2);
|
矩阵点乘
1
2
|
a1 = mat([ 2 , 2 ]);
a2 = a1 * 2 ;
|
3.矩阵求逆,转置
矩阵求逆
1
2
3
|
a1 = mat(eye( 2 , 2 ) * 0.5 );
a2 = a1.I;
#求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵
|
矩阵转置
1
2
|
a1 = mat([[ 1 , 1 ],[ 0 , 0 ]]);
a2 = a1.T;
|
4.计算矩阵对应行列的最大、最小值、和。
1
|
a1 = mat([[ 1 , 1 ],[ 2 , 3 ],[ 4 , 2 ]]);
|
计算每一列、行的和
1
2
3
|
a2 = a1. sum (axis = 0 ); / / 列和,这里得到的是 1 * 2 的矩阵
a3 = a1. sum (axis = 1 ); / / 行和,这里得到的是 3 * 1 的矩阵
a4 = sum (a1[ 1 ,:]); / / 计算第一行所有列的和,这里得到的是一个数值
|
计算最大、最小值和索引
1
2
3
4
5
6
7
|
a1. max (); / / 计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
a2 = max (a1[:, 1 ]); / / 计算第二列的最大值,这里得到的是一个 1 * 1 的矩阵
a1[ 1 ,:]. max (); / / 计算第二行的最大值,这里得到的是一个一个数值
np. max (a1, 0 ); / / 计算所有列的最大值,这里使用的是numpy中的 max 函数
np. max (a1, 1 ); / / 计算所有行的最大值,这里得到是一个矩阵
np.argmax(a1, 0 ); / / 计算所有列的最大值对应在该列中的索引
np.argmax(a1[ 1 ,:]); / / 计算第二行中最大值对应在改行的索引
|
5.矩阵的分隔和合并
矩阵的分隔,同列表和数组的分隔一致。
1
2
|
a = mat(ones(( 3 , 3 )));
b = a[ 1 :, 1 :]; / / 分割出第二行以后的行和第二列以后的列的所有元素
|
矩阵的合并
1
2
3
4
|
a = mat(ones(( 2 , 2 )));
b = mat(eye( 2 ));
c = vstack((a,b)); / / 按列合并,即增加行数
d = hstack((a,b)); / / 按行合并,即行数不变,扩展列数
|
四.矩阵、列表、数组的转换
列表可以修改,并且列表中元素可以使不同类型的数据,如下:
1
|
l1 = [[ 1 ], 'hello' , 3 ];
|
numpy中数组,同一个数组中所有元素必须为同一个类型,有几个常见的属性:
1
2
3
4
5
|
a = array([[ 2 ],[ 1 ]]);
dimension = a.ndim;
m,n = a.shape;
number = a.size; / / 元素总个数
str = a.dtype; / / 元素的类型
|
numpy中的矩阵也有与数组常见的几个属性。
它们之间的转换:
1
2
3
4
5
6
|
a1 = [[ 1 , 2 ],[ 3 , 2 ],[ 5 , 2 ]]; / / 列表
a2 = array(a1); / / 将列表转换成二维数组
a3 = array(a1); / / 将列表转化成矩阵
a4 = array(a3); / / 将矩阵转换成数组
a5 = a3.tolist(); / / 将矩阵转换成列表
a6 = a2.tolist(); / / 将数组转换成列表
|
这里可以发现三者之间的转换是非常简单的,这里需要注意的是,当列表是一维的时候,将它转换成数组和矩阵后,再通过tolist()转换成列表是不相同的,需要做一些小小的修改。如下:
1
2
3
4
5
6
7
|
a1 = [ 1 , 2 , 3 ];
a2 = array(a1);
a3 = mat(a1);
a4 = a2.tolist(); / / 这里得到的是[ 1 , 2 , 3 ]
a5 = a3.tolist(); / / 这里得到的是[[ 1 , 2 , 3 ]]
a6 = (a4 = = a5); / / a6 = False
a7 = (a4 is a5[ 0 ]); / / a7 = True ,a5[ 0 ] = [ 1 , 2 , 3 ]
|
矩阵转换成数值,存在以下一种情况:
1
2
|
dataMat = mat([ 1 ]);
val = dataMat[ 0 , 0 ]; / / 这个时候获取的就是矩阵的元素的数值,而不再是矩阵的类型
|
希望本文所述对大家Python程序设计有所帮助。
原文链接:http://blog.csdn.net/taxueguilai1992/article/details/46581861