Python中矩阵和Numpy数组的示例分析

小编给大家分享一下Python中矩阵和Numpy数组的示例分析，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

一、什么是矩阵?

使用嵌套列表和NumPy包的Python矩阵。矩阵是一种二维数据结构，其中数字按行和列排列。

二、Python矩阵

1. 列表视为矩阵

Python没有矩阵的内置类型。但是，可以将列表的列表视为矩阵。

例：

A = [[1, 4, 5],      [-5, 8, 9]]

可以将此列表的列表视为具有2行3列的矩阵。

如图：

2. 如何使用嵌套列表。

A = [[1, 4, 5, 12],      [-5, 8, 9, 0],     [-6, 7, 11, 19]]  print("A =", A)  print("A[1] =", A[1])      # 第二行 print("A[1][2] =", A[1][2])   # 第二行的第三元素 print("A[0][-1] =", A[0][-1])   # 第一行的最后一个元素 column = [];        # 空 list for row in A:   column.append(row[2])     print("3rd column =", column)

当运行程序时，输出为：

三、NumPy数组

1. 什么是NumPy?

NumPy是用于科学计算的软件包，它支持强大的N维数组对象。

在使用NumPy之前，需要先安装它。

2. 如何安装NumPy?

如果使用Windows，使用PyCharm 安装NumPy，NumPy它带有一些其他与数据科学和机器学习有关的软件包。

成功安装了NumPy，就可以导入和使用它。

NumPy提供数字的多维数组(实际上是一个对象)。

例 ：

import numpy as np a = np.array([1, 2, 3]) print(a)               # 输出: [1, 2, 3] print(type(a))         # 输出: <class 'numpy.ndarray'>

NumPy的数组类称为ndarray。

注：

NumPy的数组类称为ndarray。

3. 如何创建一个NumPy数组?

有几种创建NumPy数组的方法。

3.1 整数，浮点数和复数的数组

import numpy as np  A = np.array([[1, 2, 3], [3, 4, 5]]) print(A)  A = np.array([[1.1, 2, 3], [3, 4, 5]]) # 浮点数组 print(A)  A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 复数数组 print(A)

运行效果：

3.2 零和一的数组

import numpy as np  zeors_array = np.zeros( (2, 3) ) print(zeors_array) ones_array = np.ones( (1, 5), dtype=np.int32 ) // dtype print(ones_array)      # 输出: [[1 1 1 1 1]]

在这里，指定dtype了32位(4字节)。因此，该数组可以采用从到的值。-2-312-31-1

3.使用arange()和shape()

import numpy as np  A = np.arange(4)  print('A =', A)  B = np.arange(12).reshape(2, 6)  print('B =', B)

四、矩阵运算

两个矩阵相加，两个矩阵相乘以及一个矩阵转置。在编写这些程序之前，使用了嵌套列表。让看看如何使用NumPy数组完成相同的任务。

两种矩阵的加法

使用+运算符将两个NumPy矩阵的对应元素相加。

import numpy as np  A = np.array([[2, 4], [5, -6]]) B = np.array([[9, -3], [3, 6]]) C = A + B      # 元素聪明的加法 print(C)

两个矩阵相乘

为了将两个矩阵相乘，使用dot()方法。

注意：用于数组乘法(两个数组的对应元素的乘法)，而不是矩阵乘法。

import numpy as np  A = np.array([[3, 6, 7], [5, -3, 0]]) B = np.array([[1, 1], [2, 1], [3, -3]]) C = A.dot(B) print(C)

矩阵转置

使用numpy.transpose计算矩阵的转置。

import numpy as np  A = np.array([[1, 1], [2, 1], [3, -3]]) print(A.transpose())

注：

NumPy使的任务更加轻松。

五、案例

1. 访问矩阵元素

与列表类似，可以使用索引访问矩阵元素。让从一维NumPy数组开始。

import numpy as np A = np.array([2, 4, 6, 8, 10])  print("A[0] =", A[0])     # First element      print("A[2] =", A[2])     # Third element  print("A[-1] =", A[-1])   # Last element

运行该程序时，输出为：

现在，让看看如何访问二维数组(基本上是矩阵)的元素。

import numpy as np  A = np.array([[1, 4, 5, 12],     [-5, 8, 9, 0],     [-6, 7, 11, 19]])  #  First element of first row print("A[0][0] =", A[0][0])    # Third element of second row print("A[1][2] =", A[1][2])  # Last element of last row print("A[-1][-1] =", A[-1][-1])

当运行程序时，输出将是：

2. 访问矩阵的行

import numpy as np  A = np.array([[1, 4, 5, 12],      [-5, 8, 9, 0],     [-6, 7, 11, 19]])  print("A[0] =", A[0]) # First Row print("A[2] =", A[2]) # Third Row print("A[-1] =", A[-1]) # Last Row (3rd row in this case)

当运行程序时，输出将是：

3. 访问矩阵的列

import numpy as np  A = np.array([[1, 4, 5, 12],      [-5, 8, 9, 0],     [-6, 7, 11, 19]])  print("A[:,0] =",A[:,0]) # First Column print("A[:,3] =", A[:,3]) # Fourth Column print("A[:,-1] =", A[:,-1]) # Last Column (4th column in this case)

当运行程序时，输出将是：

注：

使用NumPy(而不是嵌套列表)可以更轻松地处理矩阵，而且甚至都没有涉及基础知识。建议详细研究NumPy软件包，尤其是当尝试将Python用于数据科学/分析时。

以上是“Python中矩阵和Numpy数组的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！