Python中的Numpy矩阵操作
Numpy
通过观察Python的自有数据类型，我们可以发现Python原生并不提供多维数组的操作，那么为了处理矩阵，就需要使用第三方提供的相关的包。
NumPy是一个非常优秀的提供矩阵操作的包。NumPy的主要目标，就是提供多维数组，从而实现矩阵操作。
NumPy'smainobjectisthehomogeneousmultidimensionalarray.Itisatableofelements(usuallynumbers),allofthesametype,indexedbyatupleofpositiveintegers.InNumPydimensionsarecalledaxes.
基本操作
####################################### #创建矩阵 ####################################### fromnumpyimportarrayasmatrix,arange #创建矩阵 a=arange(15).reshape(3,5) a #Out[10]: #array([[0.,0.,0.,0.,0.], #[0.,0.,0.,0.,0.], #[0.,0.,0.,0.,0.]]) b=matrix([2,2]) b #Out[33]:array([2,2]) c=matrix([[1,2,3,4,5,6],[7,8,9,10,11,12]],dtype=int) c #Out[40]: #array([[1,2,3,4,5,6], #[7,8,9,10,11,12]])
####################################### #创建特殊矩阵 ####################################### fromnumpyimportzeros,ones,empty z=zeros((3,4)) z #Out[43]: #array([[0.,0.,0.,0.], #[0.,0.,0.,0.], #[0.,0.,0.,0.]]) o=ones((3,4)) o #Out[46]: #array([[1.,1.,1.,1.], #[1.,1.,1.,1.], #[1.,1.,1.,1.]]) e=empty((3,4)) e #Out[47]: #array([[0.,0.,0.,0.], #[0.,0.,0.,0.], #[0.,0.,0.,0.]])
####################################### #矩阵数学运算 ####################################### fromnumpyimportarrayasmatrix,arange a=arange(9).reshape(3,3) a #Out[10]: #array([[0,1,2], #[3,4,5], #[6,7,8]]) b=arange(3) b #Out[14]:array([0,1,2]) a+b #Out[12]: #array([[0,2,4], #[3,5,7], #[6,8,10]]) a-b #array([[0,0,0], #[3,3,3], #[6,6,6]]) a*b #Out[11]: #array([[0,1,4], #[0,4,10], #[0,7,16]]) a<5 #Out[12]: #array([[True,True,True], #[True,True,False], #[False,False,False]]) a**2 #Out[13]: #array([[0,1,4], #[9,16,25], #[36,49,64]],dtype=int32) a+=3 a #Out[17]: #array([[3,4,5], #[6,7,8], #[9,10,11]])
####################################### #矩阵内置操作 ####################################### fromnumpyimportarrayasmatrix,arange a=arange(9).reshape(3,3) a #Out[10]: #array([[0,1,2], #[3,4,5], #[6,7,8]]) a.max() #Out[23]:8 a.min() #Out[24]:0 a.sum() #Out[25]:36
####################################### #矩阵索引、拆分、遍历 ####################################### fromnumpyimportarrayasmatrix,arange a=arange(25).reshape(5,5) a #Out[9]: #array([[0,1,2,3,4], #[5,6,7,8,9], #[10,11,12,13,14], #[15,16,17,18,19], #[20,21,22,23,24]]) a[2,3]#取第3行第4列的元素 #Out[3]:13 a[0:3,3]#取第1到3行第4列的元素 #Out[4]:array([3,8,13]) a[:,2]#取所有第二列元素 #Out[7]:array([2,7,12,17,22]) a[0:3,:]#取第1到3行的所有列 #Out[8]: #array([[0,1,2,3,4], #[5,6,7,8,9], #[10,11,12,13,14]]) a[-1]#取最后一行 #Out[10]:array([20,21,22,23,24]) forrowina:#逐行迭代 print(row) #[01234] #[56789] #[1011121314] #[1516171819] #[2021222324] forelementina.flat:#逐元素迭代，从左到右，从上到下 print(element) #0 #1 #2 #3
#...####################################### #改变矩阵 ####################################### fromnumpyimportarrayasmatrix,arange b=arange(20).reshape(5,4) b #Out[18]: #array([[0,1,2,3], #[4,5,6,7], #[8,9,10,11], #[12,13,14,15], #[16,17,18,19]]) b.ravel() #Out[16]: #array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16, #17,18,19]) b.reshape(4,5) #Out[17]: #array([[0,1,2,3,4], #[5,6,7,8,9], #[10,11,12,13,14], #[15,16,17,18,19]]) b.T#reshape方法不改变原矩阵的值，所以需要使用.T来获取改变后的值 #Out[19]: #array([[0,4,8,12,16], #[1,5,9,13,17], #[2,6,10,14,18], #[3,7,11,15,19]])
####################################### #合并矩阵 ####################################### fromnumpyimportarrayasmatrix,newaxis importnumpyasnp d1=np.floor(10*np.random.random((2,2))) d2=np.floor(10*np.random.random((2,2))) d1 #Out[7]: #array([[1.,0.], #[9.,7.]]) d2 #Out[9]: #array([[0.,0.], #[8.,9.]]) np.vstack((d1,d2))#按列合并 #Out[10]: #array([[1.,0.], #[9.,7.], #[0.,0.], #[8.,9.]]) np.hstack((d1,d2))#按行合并 #Out[11]: #array([[1.,0.,0.,0.], #[9.,7.,8.,9.]]) np.column_stack((d1,d2))#按列合并 #Out[13]: #array([[1.,0.,0.,0.], #[9.,7.,8.,9.]]) c1=np.array([11,12]) c2=np.array([21,22]) np.column_stack((c1,c2)) #Out[14]: #array([[11,21], #[12,22]]) c1[:,newaxis]#添加一个“空”列 #Out[18]: #array([[11], #[12]]) np.hstack((c1,c2)) #Out[27]:array([11,12,21,22]) np.hstack((c1[:,newaxis],c2[:,newaxis])) #Out[28]: #array([[11,21], #[12,22]])
参考
1.NumPy官方文档
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毛票票。