关于python中的数组和矩阵的问题汇总
2018-03-11 21:21
399 查看
作为一个习惯了使用matlab的人,开始总是习惯性的把这两个当成一种东西,按照matlab中的矩阵去处理,发现一堆问题,调了一些小bug之后,这里做一个小总结。
首先简单说明一下python中的数据类型:
在 python 内建对象中,数组有三种形式:
list 列表:[1, 2, 3]
Tuple 元组:(1, 2, 3, 4, 5)
Dict 字典:{A:1, B:2}
其中,元组与列表相似,不同之处在于元组的元素不能修改。而字典由键和值构成。
python 标准类针对数组的处理局限于 1 维,并仅提供少量的功能。
而 Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象,它区别于 python 的标准类,拥有对高维数组的处理能力,这也是数值计算过程中缺一不可的重要特性。对于python而言,数组与矩阵两个概念,都是由Numpy库引出来(难怪Numpy也叫科学计算库)。
然后简单说明一下在python中数组和矩阵的区别:
Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的(1D,2D,3D····ND)。Matrix是Array的一个小的分支,包含于Array。所以matrix 拥有array的所有特性。
关于矩阵:
1.numpy的导入和使用
2.矩阵的创建
由一维或二维数据创建矩阵
创建常见的矩阵
3.常见的矩阵运算
矩阵相乘
矩阵点乘(矩阵对应元素相乘)
矩阵点乘
矩阵求逆
矩阵转置
计算矩阵对应行列的最大、最小值、和
矩阵的分隔和合并
关于数组和矩阵的创建及其相互转化:
数组的创建:
矩阵的创建:
我们可以通过两条命令轻松的实现二者之间的转换:
对我来说,numpy 中的array与numpy中的matrix,matlab中的matrix的最大的不同是,在做归约运算时,array的维数会发生变化,但matrix总是保持为2维。
注:测试的遇到一个很奇怪的现象,用min()函数对数组求最小值是没有什么问题的,但是如果是矩阵,单纯取一列一样可以求,如果是取一行的话却直接得到原来的一行数,本以为是和matlab一样默认对列数据处理,可是又不能对多行或者多列处理,真是觉得很奇怪,欢迎来和我讨论这个问题!!!
首先简单说明一下python中的数据类型:
在 python 内建对象中,数组有三种形式:
list 列表:[1, 2, 3]
Tuple 元组:(1, 2, 3, 4, 5)
Dict 字典:{A:1, B:2}
其中,元组与列表相似,不同之处在于元组的元素不能修改。而字典由键和值构成。
python 标准类针对数组的处理局限于 1 维,并仅提供少量的功能。
而 Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象,它区别于 python 的标准类,拥有对高维数组的处理能力,这也是数值计算过程中缺一不可的重要特性。对于python而言,数组与矩阵两个概念,都是由Numpy库引出来(难怪Numpy也叫科学计算库)。
然后简单说明一下在python中数组和矩阵的区别:
Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的(1D,2D,3D····ND)。Matrix是Array的一个小的分支,包含于Array。所以matrix 拥有array的所有特性。
关于矩阵:
1.numpy的导入和使用
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。
2.矩阵的创建
由一维或二维数据创建矩阵
>>> from numpy import * >>> a1=array([1,2,3]) >>> a1 array([1, 2, 3]) >>> a1=mat(a1) >>> a1 matrix([[1, 2, 3]]) >>> shape(a1) (1, 3) >>> b=matrix([1,2,3]) >>> shape(b) (1, 3)
创建常见的矩阵
>>>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) >>> data1 matrix([[ 0., 0., 0.], [ 0., 0., 0.], [ 0., 0., 0.]]) >>>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 >>> data2 matrix([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.]]) >>>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 >>> data3 matrix([[ 0.57341802, 0.51016034], [ 0.56438599, 0.70515605]]) >>>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 >>> data4 matrix([[9, 5, 6], [3, 0, 4], [6, 0, 7]]) >>>data5=mat(random.randint(2,8,size=(2,5))) #产生一个2-8之间的随机整数矩阵 >>> data5 matrix([[5, 4, 6, 3, 7], [5, 3, 3, 4, 6]]) >>>data6=mat(eye(2,2,dtype=int)) #产生一个2*2的对角矩阵 >>> data6 matrix([[1, 0], [0, 1]]) a1=[1,2,3] a2=mat(diag(a1)) #生成一个对角线为1、2、3的对角矩阵 >>> a2 matrix([[1, 0, 0], [0, 2, 0], [0, 0, 3]])
3.常见的矩阵运算
矩阵相乘
>>>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 >>> a3 matrix([[5]])
矩阵点乘(矩阵对应元素相乘)
>>>a1=mat([1,1]); >>>a2=mat([2,2]); >>>a3=multiply(a1,a2) >>> a3 matrix([[2, 2]])
矩阵点乘
>>>a1=mat([2,2]); >>>a2=a1*2>>>a2 matrix([[4, 4]])
矩阵求逆
>>>a1=mat(eye(2,2)*0.5) >>> a1 matrix([[ 0.5, 0. ], [ 0. , 0.5]]) >>>a2=a1.I #求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵 >>> a2 matrix([[ 2., 0.], [ 0., 2.]])
矩阵转置
>>> a1=mat([[1,1],[0,0]]) >>> a1 matrix([[1, 1], [0, 0]]) >>> a2=a1.T >>> a2 matrix([[1, 0], [1, 0]])
计算矩阵对应行列的最大、最小值、和
>>>a1=mat([[1,1],[2,3],[4,2]]) >>> a1 matrix([[1, 1], [2, 3], [4, 2]]) >>>a2=a1.sum(axis=0) #列和,这里得到的是1*2的矩阵 >>> a2 matrix([[7, 6]]) >>>a3=a1.sum(axis=1) #行和,这里得到的是3*1的矩阵 >>> a3 matrix([[2], [5], [6]]) >>>a4=sum(a1[1,:]) #计算第一行所有列的和,这里得到的是一个数值 >>> a4 5 #第0行:1+1;第2行:2+3;第3行:4+2 >>>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 4 >>>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 >>> a2 matrix([[3]]) >>>a1[1,:].max() #计算第二行的最大值,这里得到的是一个一个数值 3 >>>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 matrix([[4, 3]]) >>>np.max(a1,1) #计算所有行的最大值,这里得到是一个矩阵 matrix([[1], [3], [4]]) >>>np.argmax(a1,0) #计算所有列的最大值对应在该列中的索引 matrix([[2, 1]]) >>>np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引
矩阵的分隔和合并
#矩阵的分隔 >>>a=mat(ones((3,3))) >>> a matrix([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]]) >>>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 >>> b matrix([[ 1., 1.], [ 1., 1.]]) #矩阵的合并 >>>a=mat(ones((2,2))) >>> a matrix([[ 1., 1.], [ 1., 1.]]) >>>b=mat(eye(2)) >>> b matrix([[ 1., 0.], [ 0., 1.]]) >>>c=vstack((a,b)) #按列合并,即增加行数 >>> c matrix([[ 1., 1.], [ 1., 1.], [ 1., 0.], [ 0., 1.]]) >>>d=hstack((a,b)) #按行合并,即行数不变,扩展列数 >>> d matrix([[ 1., 1., 1., 0.], [ 1., 1., 0., 1.]])
关于数组和矩阵的创建及其相互转化:
数组的创建:
import numpy as np c=np.array([[4, 3], [2, 1]]) d=np.array([[1, 2], [3, 4]]) print(c*d) # [[4 6] # [6 4]]
矩阵的创建:
import numpy as np a=np.mat('4 3; 2 1') b=np.mat('1 2; 3 4') print(a) # [[4 3] # [2 1]]
我们可以通过两条命令轻松的实现二者之间的转换:
#转化为矩阵 np.asmatrix #转化为数组 np.asarray
对我来说,numpy 中的array与numpy中的matrix,matlab中的matrix的最大的不同是,在做归约运算时,array的维数会发生变化,但matrix总是保持为2维。
注:测试的遇到一个很奇怪的现象,用min()函数对数组求最小值是没有什么问题的,但是如果是矩阵,单纯取一列一样可以求,如果是取一行的话却直接得到原来的一行数,本以为是和matlab一样默认对列数据处理,可是又不能对多行或者多列处理,真是觉得很奇怪,欢迎来和我讨论这个问题!!!
相关文章推荐
- Python——“元组、列表、字典、数组和矩阵”的大小问题
- 关于python安装问题 问题汇总
- 关于python3中整数数组转bytes的效率问题
- 关于数组做函数参数的问题集合汇总
- 关于python的列表排序问题汇总
- 关于数组做函数参数的问题汇总
- 关于python中的编码问题汇总
- 关于数组做函数参数的问题汇总
- 关于Python笔试中提交代码多组测试的输入问题汇总
- 关于PYTHON NUMPY数组的切片的符号省略问题
- 关于python的基础知识17 -- 列表、数组和矩阵
- 关于使用vc++调用matlab生成的dll传递数组的问题
- JAVA里面关于byte数组和String之间的转换问题
- 关于SQL Server事务日志的问题汇总
- 关于int型整数按逆序存入数组中的问题(也即十进制数和其他类型数据的转换问题)
- 一个关于Python的类覆盖的问题
- 关于数组a[3] 和3[a]的问题
- 创建直线的问题 关于数组的问题
- 关于使用vc++调用matlab生成的dll传递数组的问题
- 关于Excel数组赋值出错的问题, 800A03EC 错误