热门标签
热门文章
- 1汉诺塔问题Python代码---学习记录_python汉诺塔递归代码
- 2教程：自我介绍小程序_怎么把自我介绍做成一个小程序
- 3无人机在光伏电站巡检中的关键步骤与技巧_光伏无人机巡检
- 4加密狗是干嘛用的？软件加密狗都有什么功能
- 5Windows10环境下，设备进入fastboot状态，fastboot无法识别到设备_window里fastboot devices无反应
- 6如何判断EI会议权威性？
- 7efficient_global_pointer_import efficientglobalpointer标红
- 8从0到1，一个长期主义的中国自动驾驶范本
- 9华为面试简历应该怎么写yield和return的区别-- 超详细，2024华为Python面试真题
- 10实验四 stm32按键控制LED灯_基于stm32按键控制led软硬件实验步骤
当前位置: article > 正文
python中的mat的操作_python mat
作者：不正经 | 2024-06-06 01:45:29
赞
踩
python mat
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
|
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/不正经/article/detail/679002
推荐阅读
相关标签
