概述
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]) ## >>> a1=array([1,3]) >>> a1 array([1,3]) >>> 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([[1,3],[4,5,6]]) >>> a3 array([[1,6]]) >>> a3[0] #取出第一行的数据 array([1,3]) >>> 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([1,3]) >>> a2=array([4,6]) >>> 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([1,3]) >>> m matrix([[1,3]]) #取值 >>> m[0] #取一行 matrix([[1,3]]) >>> 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=[1,3] >>> mat(list) matrix([[1,3]]) #矩阵相乘 >>> m1=mat([1,3]) #1行3列 >>> m2=mat([4,6]) >>> 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([[ 4,18]]) #排序 >>> m=mat([[2,1],6,2]]) #创建2行3列矩阵 >>> m matrix([[2,2]]) >>> m.sort() #对每一行进行排序 >>> m matrix([[1,5],[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([[2,6]]) >>> 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([[2,0:2] matrix([[2,4]])
扩展矩阵函数tile()
例如,要计算[0,0]到一个多维矩阵中每个点的距离,则要将[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]) >>> x matrix([[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,(2,2)) #x扩展2次,j=2,横向扩展 matrix([[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编程小技巧。
总结
以上是编程之家为你收集整理的Python中矩阵库Numpy基本操作详解全部内容,希望文章能够帮你解决Python中矩阵库Numpy基本操作详解所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧