Python中矩阵库Numpy基本操作详解

这篇文章主要为大家详细介绍了Python中矩阵库Numpy的基本操作,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

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]) >>> a1 array([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]]) >>> a3 array([[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*a2 array([ 4, 10, 18]) 

Numpy有许多的创建数组的函数:

 import numpy as np a = np.zeros((2,2)) # Create an array of all zeros print a    # Prints "[[ 0. 0.] #   [ 0. 0.]]" b = np.ones((1,2)) # Create an array of all ones print b    # Prints "[[ 1. 1.]]" c = np.full((2,2), 7) # Create a constant array print c    # Prints "[[ 7. 7.] #   [ 7. 7.]]" d = np.eye(2)  # Create a 2x2 identity matrix print d    # Prints "[[ 1. 0.] #   [ 0. 1.]]" e = np.random.random((2,2)) # Create an array filled with random values print 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]) >>> m matrix([[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 "", line 1, in  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 >>> m matrix([[2, 5, 1], [4, 6, 2]]) >>> m.sort()     #对每一行进行排序 >>> m matrix([[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]) >>> x matrix([[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html中文网。

以上就是Python中矩阵库Numpy基本操作详解的详细内容,更多请关注html中文网其它相关文章!

赞(0) 打赏
未经允许不得转载:html中文网首页 » python

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

前端开发相关广告投放 更专业 更精准

联系我们

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏