Python中矩阵库Numpy基本操作详解
(编辑:jimmy 日期: 2024/11/20 浏览:3 次 )
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 "<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=[1,2,3] > 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。
下一篇:Python实现桶排序与快速排序算法结合应用示例