本文实例讲述了Python矩阵常见运算操作。分享给大家供大家参考，具体如下：
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=intdata3=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#matrixdata4=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=Falsea7=(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 |
希望本文所述对大家Python程序设计有所帮助。
原文链接：http://blog.csdn.net/taxueguilai1992/article/details/46581861
