Numpy创建NumPy矩阵的简单实现
作者:mighty13 发布时间: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
猜你喜欢
- 1 什么是 NumpyNumPy,是 Numerical Python 的简称,用于高性能科学计算和数据分析的基础包,像数学科学工具(pan
- python中字典和列表的使用,在数据处理中应该是最常用的,这两个熟练后基本可以应付大部分场景了。不过网上的基础教程只告诉你列表、字典是什么
- 一、初始化CounterCounter支持3种形式的初始化,比如提供一个数组,一个字典,或单独键值对“=”式赋值。具体初始化的代码如下所示:
- 如果需要在查询语句返回的列中包含一列表示该条记录在整个结果集中的行号, ISO SQL:2003 标准提出的方法是提供 ROW_NUMBER
- 查看表空间的名称及大小代码如下:SQL>select t.tablespace_name, round(sum(bytes/(1024
- 本文实例为大家分享了Django实现文件上传下载的具体代码,供大家参考,具体内容如下一、django实现文件下载(1)、后台接口如果从服务器
- 1.前提你要已经安装了 某个 版本的 python, (下载地址 https://www.python.org/downloads/)安装后
- 介绍Session:在计算机中,尤其是在网络应用中,称为“会话控制”。Session 对象存储特定用户会话所需的属性及配置信息。这样,当用户
- 下面是列表合并的4种方法,其中的代码都在Python3下测试通过,在Python2下运行应该也没问题,时间关系就没测试,遇到问题可以联系小编
- 注意,下述部分主要与DOUBLE和FLOAT列相关,原因在于浮点数的不准确本质。MySQL使用64位十进制数值的精度执行DECIMAL操作,
- XMLHttpRequest 最近在 W3C 标准之路上又迈进了一步,W3C Web API&nbs
- 首先请把手放胸前成沉思状:我上了生活,还是被生活上了自己?没想出答案把,恩,可以读下文了。从语义角度讲,同一事物的不同表述可以反映人的主观视
- 表单验证做网站程序多多少少都会碰到,其中emai地址的合法性验证也算是一个典型的例子,网页表单的验证我们一般是先在客户端使用javascri
- 1 模型定义和TF很像,Pytorch也通过继承父类来搭建模型,同样也是实现两个方法。在TF中是__init__()和
- 本文实例为大家分享了python实现文件批量重命名的具体代码,供大家参考,具体内容如下代码:# -*- coding:utf-8 -*-im
- 1. CBV加装饰器CBV加装饰器有三种方法,案例:要求登录(不管get请求还是post请求)后才可以访问HTML代码index.html&
- asp之家注:为什么要防止访客频繁刷新页面呢?也许你会说他想刷新就让他刷新吧,没什么关系,而且还增加了网页的PV,呵呵。但是有的页面我们可能
- 要使数据库具备更强的抵御侵犯的能力,你要采取几步措施。有些措施只是良好的服务器管理的一部分,如拥有SQL Server最新的补丁,其他则包括
- 也不一定,以前从来没有深入的研究过sql查询,最近买了一本T-SQL查询的书,把以前忽视的问题都记录一下 以前一直模模糊糊的把sqlserv
- JSP 开发之 releaseSession的实例详解Hibernate可以实现分页查询,昨天试了一下,分页效果不错。但是发现了一个问题,就