Numpy创建NumPy矩阵的简单实现
作者:mighty13 时间:2022-08-22 15:08:25
创建NumPy矩阵
NumPy对于多维数组的运算,默认情况下并不进行矩阵运算。如果需要对数组进行矩阵运算,则可以调用相应的函数。
在NumPy中,矩阵是ndarray的子类。
在NumPy中,数组和矩阵有着重要的区别。NumPy提供了两个基本的对象:一个N维数组对象和一个通用函数对象。其他对象都是在它们之上构建的。
矩阵是继承自NumPy数组对象的二维数组对象。与数学概念中的矩阵一样,NumPy中的矩阵也是二维的。
1. 创建矩阵
可以使用mat、matrix以及bmat函数来创建矩阵。使用mat函数创建矩阵时,若输入matrix或ndarray对象,则不会为它们创建副本。因此,调用mat函数和调用matrix(data, copy=False)等价。
案例:创建矩阵
# 导入NumPy库
import numpy as np
# 使用分号隔开数据
matr1 = np.mat("1 2 3;4 5 6;7 8 9")
print('创建的矩阵为:',matr1)
# 使用列表创建矩阵
matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
print('创建的矩阵为:',matr2)
创建的矩阵为: [[1 2 3]
[4 5 6]
[7 8 9]]
创建的矩阵为: [[1 2 3]
[4 5 6]
[7 8 9]]
2. 创建分块矩阵
很多时候会根据小的矩阵创建大的矩阵,即将小矩阵组合成大矩阵。在NumPy中,可以使用bmat分块矩阵(block matrix)函数实现。
案例:创建分块矩阵
arr1 = np.eye(3)
print('创建的数组1为:',arr1)
arr2 = 3*arr1
print('创建的数组2为:',arr2)
print('创建的矩阵为:',np.bmat("arr1 arr2; arr1 arr2"))
创建的数组1为: [[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
创建的数组2为: [[3. 0. 0.]
[0. 3. 0.]
[0. 0. 3.]]
创建的矩阵为: [[1. 0. 0. 3. 0. 0.]
[0. 1. 0. 0. 3. 0.]
[0. 0. 1. 0. 0. 3.]
[1. 0. 0. 3. 0. 0.]
[0. 1. 0. 0. 3. 0.]
[0. 0. 1. 0. 0. 3.]]
3. 矩阵计算
在NumPy中,矩阵计算是针对整个矩阵中的每个元素进行的。与使用for循环相比,其在运算速度上更快。
案例:矩阵计算
matr1 = np.mat("1 2 3;4 5 6;7 8 9") #创建矩阵
print('创建的矩阵为:',matr1)
matr2 = matr1*3 #矩阵与数相乘
print('创建的矩阵为:',matr2)
print('矩阵相加结果为:',matr1+matr2) #矩阵相加
print('矩阵相减结果为:',matr1-matr2) #矩阵相减
print('矩阵相乘结果为:',matr1*matr2) #矩阵相乘
print('矩阵对应元素相乘结果为:',np.multiply(matr1,matr2))
创建的矩阵为: [[1 2 3]
[4 5 6]
[7 8 9]]
创建的矩阵为: [[ 3 6 9]
[12 15 18]
[21 24 27]]
矩阵相加结果为: [[ 4 8 12]
[16 20 24]
[28 32 36]]
矩阵相减结果为: [[ -2 -4 -6]
[ -8 -10 -12]
[-14 -16 -18]]
矩阵相乘结果为: [[ 90 108 126]
[198 243 288]
[306 378 450]]
矩阵对应元素相乘结果为: [[ 3 12 27]
[ 48 75 108]
[147 192 243]]
4. 矩阵属性
除了能够实现各类运算外,矩阵还有其特有的属性。
属性 | 说明 |
---|---|
T | 返回自身的转置 |
H | 返回自身的共轭转置 |
I | 返回自身的逆矩阵 |
A | 返回自身数据的2维数组的一个视图 |
案例:矩阵的属性
print('矩阵转置结果为:',matr1.T) #转置
print('矩阵共轭转置结果为:',matr1.H) #共轭转置(实数的共轭就是其本身)
print('矩阵的二维数组结果为:',matr1.A) #返回二维数组的视图
print('矩阵的逆矩阵结果为:',matr1.I) #逆矩阵
矩阵转置结果为: [[ 2 1 -1]
[ 2 -1 2]
[ 3 0 1]]
矩阵共轭转置结果为: [[ 2 1 -1]
[ 2 -1 2]
[ 3 0 1]]
矩阵的二维数组结果为: [[ 2 2 3]
[ 1 -1 0]
[-1 2 1]]
矩阵的逆矩阵结果为: [[ 1. -4. -3.]
[ 1. -5. -3.]
[-1. 6. 4.]]
来源:https://blog.csdn.net/mighty13/article/details/119652459
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python 爬取疫情数据的源码
![](https://img.aspxhome.com/file/2023/1/66831_0s.jpg)
python Pandas如何对数据集随机抽样
![](https://img.aspxhome.com/file/2023/9/95509_0s.png)
《色彩解答》系列之一 色彩层次
![](https://img.aspxhome.com/file/UploadPic/20082/17/2008217143752778s.gif)
SQL Server 2000的视图中必须小心使用*符号
python基础pandas的drop()用法示例详解
![](https://img.aspxhome.com/file/2023/3/93843_0s.png)
Django框架基础认证模块auth应用示例
![](https://img.aspxhome.com/file/2023/0/64240_0s.png)
Python中的多行注释文档编写风格汇总
![](https://img.aspxhome.com/file/2023/7/78637_0s.png)
WEB页面工具语言XML产生背景
使用Python完成SAP客户端的打开和系统登陆功能
![](https://img.aspxhome.com/file/2023/2/93442_0s.png)
Python实现合并excel表格的方法分析
在python中读取和写入CSV文件详情
![](https://img.aspxhome.com/file/2023/5/65525_0s.png)
如何使用Python实现名片管理系统
超越质检员——看图购beta版的思考
![](https://img.aspxhome.com/file/UploadPic/20094/15/090410_gotaobao_01-41s.png)
能否推荐一个论坛用的数据库结构?
JavaScript版无组件上传类
PaddleNLP ppdiffusers 自动生成兔了个兔海报
![](https://img.aspxhome.com/file/2023/6/63226_0s.png)
Python中return用法案例详解
css基础教程属性篇之盒子模型
![](https://img.aspxhome.com/file/UploadPic/20087/29/2008729121433524s.jpg)
python多进程 主进程和子进程间共享和不共享全局变量实例
![](https://img.aspxhome.com/file/2023/1/85261_0s.jpg)
Python实现APP自动化发微信群消息的示例代码
![](https://img.aspxhome.com/file/2023/7/61487_0s.jpg)