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!
专业领域包括成都网站设计、网站制作、商城系统网站开发、微信营销、系统平台开发, 与其他网站设计及系统开发公司不同,成都创新互联公司的整合解决方案结合了帮做网络品牌建设经验和互联网整合营销的理念,并将策略和执行紧密结合,为客户提供全网互联网整合方案。
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:
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,欢迎关注创新互联行业资讯频道!
当前标题:Python中矩阵和Numpy数组的示例分析
本文网址:http://pwwzsj.com/article/jjecjc.html