首页 > 编程 > Python > 正文

Python中矩阵库Numpy基本操作详解

2020-01-04 16:18:24
字体:
来源:转载
供稿:网友

NumPy是一个关于矩阵运算的库,熟悉Matlab的都应该清楚,这个库就是让python能够进行矩阵话的操作,而不用去写循环操作。

下面对numpy中的操作进行总结。

numpy包含两种基本的数据类型:数组和矩阵。

数组(Arrays)

>>> from numpy import *>>> a1=array([1,1,1]) #定义一个数组>>> a2=array([2,2,2])>>> a1+a2    #对于元素相加array([3, 3, 3])>>> a1*2     #乘一个数array([2, 2, 2])##>>> a1=array([1,2,3])>>> a1array([1, 2, 3])>>> a1**3    #表示对数组中的每个数做平方array([ 1, 8, 27])##取值,注意的是它是以0为开始坐标,不matlab不同>>> a1[1]2##定义多维数组>>> a3=array([[1,2,3],[4,5,6]])>>> a3array([[1, 2, 3],  [4, 5, 6]])>>> a3[0]    #取出第一行的数据array([1, 2, 3])>>> a3[0,0]   #第一行第一个数据1>>> a3[0][0]   #也可用这种方式1##数组点乘,相当于matlab点乘操作>>> a1=array([1,2,3])>>> a2=array([4,5,6])>>> a1*a2array([ 4, 10, 18])

Numpy有许多的创建数组的函数:

import numpy as npa = np.zeros((2,2)) # Create an array of all zerosprint a    # Prints "[[ 0. 0.]      #   [ 0. 0.]]"b = np.ones((1,2)) # Create an array of all onesprint b    # Prints "[[ 1. 1.]]"c = np.full((2,2), 7) # Create a constant arrayprint c    # Prints "[[ 7. 7.]      #   [ 7. 7.]]"d = np.eye(2)  # Create a 2x2 identity matrixprint d    # Prints "[[ 1. 0.]      #   [ 0. 1.]]"e = np.random.random((2,2)) # Create an array filled with random valuesprint e      # Might print "[[ 0.91940167 0.08143941]       #    [ 0.68744134 0.87236687]]"

数组索引(Array indexing)

矩阵

矩阵的操作与Matlab语言有很多的相关性。

#创建矩阵>>> m=mat([1,2,3])>>> mmatrix([[1, 2, 3]])#取值>>> m[0]    #取一行matrix([[1, 2, 3]])>>> m[0,1]    #第一行,第2个数据2>>> m[0][1]    #注意不能像数组那样取值了Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__ out = N.ndarray.__getitem__(self, index)IndexError: index 1 is out of bounds for axis 0 with size 1#将Python的列表转换成NumPy的矩阵>>> list=[1,2,3]>>> mat(list)matrix([[1, 2, 3]])#矩阵相乘>>> m1=mat([1,2,3])  #1行3列>>> m2=mat([4,5,6]) >>> m1*m2.T    #注意左列与右行相等 m2.T为转置操作matrix([[32]])  >>> multiply(m1,m2)  #执行点乘操作,要使用函数,特别注意matrix([[ 4, 10, 18]]) #排序>>> m=mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵>>> mmatrix([[2, 5, 1],  [4, 6, 2]])>>> m.sort()     #对每一行进行排序>>> mmatrix([[1, 2, 5],  [2, 4, 6]])>>> m.shape      #获得矩阵的行列数(2, 3)>>> m.shape[0]     #获得矩阵的行数2>>> m.shape[1]     #获得矩阵的列数3#索引取值>>> m[1,:]      #取得第一行的所有元素matrix([[2, 4, 6]])>>> m[1,0:1]     #第一行第0个元素,注意左闭右开matrix([[2]])>>> m[1,0:3]matrix([[2, 4, 6]])>>> m[1,0:2]matrix([[2, 4]])

扩展矩阵函数tile()

例如,要计算[0,0,0]到一个多维矩阵中每个点的距离,则要将[0,0,0]进行扩展。

tile(inX, (i,j)) ;i是扩展个数,j是扩展长度
实例如下:

>>>x=mat([0,0,0])>>> xmatrix([[0, 0, 0]])>>> tile(x,(3,1))   #即将x扩展3个,j=1,表示其列数不变matrix([[0, 0, 0],  [0, 0, 0],  [0, 0, 0]])>>> tile(x,(2,2))   #x扩展2次,j=2,横向扩展matrix([[0, 0, 0, 0, 0, 0],  [0, 0, 0, 0, 0, 0]])

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持VEVB武林网。


注:相关教程知识阅读请移步到python教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表