Python中矩阵库Numpy基本 *** 作详解

概述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 *** 作，而不用去写循环 *** 作。

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 *** 作，而不用去写循环 *** 作。

下面对numpy中的 *** 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])##>>> a1=array([1,3])>>> a1array([1,3])>>> 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([[1,3],[4,5,6]])>>> a3array([[1,6]])>>> a3[0]    #取出第一行的数据array([1,3])>>> 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 *** 作>>> a1=array([1,3])>>> a2=array([4,6])>>> 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 *** 作与Matlab语言有很多的相关性。

#创建矩阵>>> m=mat([1,3])>>> mmatrix([[1,3]])#取值>>> m[0]    #取一行matrix([[1,3]])>>> 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=[1,3]>>> mat(List)matrix([[1,3]])#矩阵相乘>>> m1=mat([1,3])  #1行3列>>> m2=mat([4,6]) >>> m1*m2.T    #注意左列与右行相等 m2.T为转置 *** 作matrix([[32]])  >>> multiply(m1,m2)  #执行点乘 *** 作，要使用函数，特别注意matrix([[ 4,18]]) #排序>>> m=mat([[2,1],6,2]]) #创建2行3列矩阵>>> mmatrix([[2,2]])>>> m.sort()     #对每一行进行排序>>> mmatrix([[1,5],[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([[2,6]])>>> 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([[2,0:2]matrix([[2,4]])

扩展矩阵函数tile()

例如，要计算[0,0]到一个多维矩阵中每个点的距离，则要将[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])>>> xmatrix([[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,(2,2))   #x扩展2次，j=2,横向扩展matrix([[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编程小技巧。

总结

以上是内存溢出为你收集整理的Python中矩阵库Numpy基本 *** 作详解全部内容，希望文章能够帮你解决Python中矩阵库Numpy基本 *** 作详解所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。