Python中矩阵库Numpy基本操作详解
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【听图阁-专注于Python设计】。
