经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » 程序设计 » NumPy » 查看文章
Python中Numpy mat的使用详解
来源:jb51  时间:2019/5/27 8:33:35  对本文有异议

前面介绍过用dnarray来模拟,但mat更符合矩阵,这里的mat与Matlab中的很相似。(mat与matrix等同)

基本操作

  1. >>> m= np.mat([1,2,3]) #创建矩阵
  2. >>> m
  3. matrix([[1, 2, 3]])
  4.  
  5. >>> m[0] #取一行
  6. matrix([[1, 2, 3]])
  7. >>> m[0,1] #第一行,第2个数据
  8. 2
  9. >>> m[0][1] #注意不能像数组那样取值了
  10. Traceback (most recent call last):
  11. File "<stdin>", line 1, in <module>
  12. File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__
  13. out = N.ndarray.__getitem__(self, index)
  14. IndexError: index 1 is out of bounds for axis 0 with size 1
  15.  
  16. #将Python的列表转换成NumPy的矩阵
  17. >>> list=[1,2,3]
  18. >>> mat(list)
  19. matrix([[1, 2, 3]])
  20.  
  21. #Numpy dnarray转换成Numpy矩阵
  22. >>> n = np.array([1,2,3])
  23. >>> n
  24. array([1, 2, 3])
  25. >>> np.mat(n)
  26. matrix([[1, 2, 3]])
  27.  
  28. #排序
  29. >>> m=np.mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵
  30. >>> m
  31. matrix([[2, 5, 1],
  32. [4, 6, 2]])
  33. >>> m.sort() #对每一行进行排序
  34. >>> m
  35. matrix([[1, 2, 5],
  36. [2, 4, 6]])
  37.  
  38. >>> m.shape #获得矩阵的行列数
  39. (2, 3)
  40. >>> m.shape[0] #获得矩阵的行数
  41. 2
  42. >>> m.shape[1] #获得矩阵的列数
  43. 3
  44.  
  45. #索引取值
  46. >>> m[1,:] #取得第一行的所有元素
  47. matrix([[2, 4, 6]])
  48. >>> m[1,0:1] #第一行第0个元素,注意左闭右开
  49. matrix([[2]])
  50. >>> m[1,0:3]
  51. matrix([[2, 4, 6]])
  52. >>> m[1,0:2]
  53. matrix([[2, 4]])

矩阵求逆、行列式

与Numpy array相同,可参考链接

矩阵乘法

矩阵乘,与Numpy dnarray类似,可以使用np.dot()和np.matmul(),除此之外,由于matrix中重载了“*”,因此“*”也能用于矩阵乘。

  1. >>> a = np.mat([[1,2,3], [2,3,4]])
  2. >>> b = np.mat([[1,2], [3,4], [5,6]])
  3. >>> a
  4. matrix([[1, 2, 3],
  5. [2, 3, 4]])
  6. >>> b
  7. matrix([[1, 2],
  8. [3, 4],
  9. [5, 6]])
  10. >>> a * b #方法一
  11. matrix([[22, 28],
  12. [31, 40]])
  13. >>> np.matmul(a, b) #方法二
  14. matrix([[22, 28],
  15. [31, 40]])
  16. >>> np.dot(a, b) #方法三
  17. matrix([[22, 28],
  18. [31, 40]])

点乘,只剩下multiply方法了。

  1. >>> a = np.mat([[1,2], [3,4]])
  2. >>> b = np.mat([[2,2], [3,3]])
  3. >>> np.multiply(a, b)
  4. matrix([[ 2, 4],
  5. [ 9, 12]])
  6.  

矩阵转置

转置有两种方法:

  1. >>> a
  2. matrix([[1, 2],
  3. [3, 4]])
  4. >>> a.T #方法一,ndarray也行
  5. matrix([[1, 3],
  6. [2, 4]])
  7. >>> np.transpose(a) #方法二
  8. matrix([[1, 3],
  9. [2, 4]])
  10.  

值得一提的是,matrix中求逆还有一种简便方法(ndarray中不行):

  1. >>> a
  2. matrix([[1, 2],
  3. [3, 4]])
  4. >>> a.I
  5. matrix([[-2. , 1. ],
  6. [ 1.5, -0.5]])

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w3xue。

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号