当前位置:   article > 正文

python中的mat的操作_python mat

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
  

闽ICP备14008679号