美文网首页
认识Numpy—矩阵

认识Numpy—矩阵

作者: 王吉林 | 来源:发表于2019-01-25 15:50 被阅读0次

    本节主要介绍如何创建矩阵、矩阵的四则运算、矩阵的转置、矩阵的逆、数组的比较及运算。

    #矩阵的操作
    import numpy as np  #导入NumPy库
    np.set_printoptions(precision=3)
    matr1 = np.mat("1 3 3;4 5 6;7 12 9") # #创建矩阵,使用分号隔开数据
    print('创建的矩阵为:\n',matr1)
    创建的矩阵为:
     [[ 1  3  3]
     [ 4  5  6]
     [ 7 12  9]]
    arr1 = np.eye(3)
    print('创建的数组1为:\n',arr1)
    创建的数组1为:
     [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    arr2 = 3*arr1
    print('创建的数组2为:',arr2)
    创建的数组2为: [[3. 0. 0.]
     [0. 3. 0.]
     [0. 0. 3.]]
    print('创建的矩阵为:',np.bmat("arr1 arr2; arr1 arr2"))#矩阵行合并
    创建的矩阵为: [[1. 0. 0. 3. 0. 0.]
     [0. 1. 0. 0. 3. 0.]
     [0. 0. 1. 0. 0. 3.]
     [1. 0. 0. 3. 0. 0.]
     [0. 1. 0. 0. 3. 0.]
     [0. 0. 1. 0. 0. 3.]]
    matr2 = matr1*3  #矩阵与数相乘
    print('创建的矩阵为:\n',matr2)
    创建的矩阵为:
     [[ 3  9  9]
     [12 15 18]
     [21 36 27]]
    print('矩阵相加结果为:\n',matr1+matr2)  #矩阵相加
    矩阵相加结果为:
     [[ 4 12 12]
     [16 20 24]
     [28 48 36]]
    print('矩阵相减结果为:\n',matr1-matr2)  #矩阵相减
    矩阵相减结果为:
     [[ -2  -6  -6]
     [ -8 -10 -12]
     [-14 -24 -18]]
    print('矩阵相乘结果为:\n',matr1*matr2)  #矩阵相乘
    矩阵相乘结果为:
     [[102 162 144]
     [198 327 288]
     [354 567 522]]
    print('矩阵对应元素相乘结果为:\n',np.multiply(matr1,matr2))
    矩阵对应元素相乘结果为:
     [[  3  27  27]
     [ 48  75 108]
     [147 432 243]]
    print('矩阵转置结果为:\n',matr1.T)  #转置
    矩阵转置结果为:
     [[ 1  4  7]
     [ 3  5 12]
     [ 3  6  9]]
    print('矩阵共轭转置结果为:\n',matr1.H)  #共轭转置(实数的共轭就是其本身)
    矩阵共轭转置结果为:
     [[ 1  4  7]
     [ 3  5 12]
     [ 3  6  9]]
    print('矩阵的逆矩阵结果为:\n',matr1.I)  #逆矩阵,举证要可逆,否则求出的结果不正确
    矩阵的逆矩阵结果为:
     [[-0.9    0.3    0.1  ]
     [ 0.2   -0.4    0.2  ]
     [ 0.433  0.3   -0.233]]
    np.linalg.det(matr1)#验证矩阵是否可逆
    Out[169]: 29.99999999999999
    matr1.I*matr1#验证矩阵是否可逆
    Out[170]: 
    matrix([[ 1.000e+00,  8.882e-16,  1.221e-15],
            [-2.498e-16,  1.000e+00, -4.163e-16],
            [-8.327e-17,  1.110e-16,  1.000e+00]])
    print('矩阵的二维数组结果为:\n',matr1.A)  #返回二维数组的视图
    矩阵的二维数组结果为:
     [[ 1  3  3]
     [ 4  5  6]
     [ 7 12  9]]
    
    #数组的操作
    x = np.array([1,2,3])
    y = np.array([4,5,6])
    数组相加结果为:
     [5 7 9]
    print('数组相加结果为:\n',x + y)  #数组相加
    print('数组相减结果为:\n',x - y)  #数组相减
    数组相减结果为:
     [-3 -3 -3]
    print('数组相乘结果为:\n',x * y)  #数组相乘
    数组相乘结果为:
     [ 4 10 18]
    print('数组相除结果为:\n',x / y)  #数组相除
    数组相除结果为:
     [0.25 0.4  0.5 ]
    print('数组幂运算结果为:\n',x ** y)  #数组幂运算
    数组幂运算结果为:
     [  1  32 729]
    x = np.array([1,3,5])
    y = np.array([2,3,4])
    print('数组比较结果为:\n',x < y)
    数组比较结果为:
     [ True False False]
    print('数组比较结果为:\n',x > y)
    数组比较结果为:
     [False False  True]
    print('数组比较结果为:\n',x == y)
    数组比较结果为:
     [False  True False]
    print('数组比较结果为:\n',x >= y)
    数组比较结果为:
     [False  True  True]
    print('数组比较结果为:\n',x <= y)
    数组比较结果为:
     [ True  True False]
    print('数组比较结果为:\n',x != y)
    数组比较结果为:
     [ True False  True]
    print('数组逻辑运算结果为:\n',np.all(x == y))  #np.all()表示逻辑and
    数组逻辑运算结果为:
     False
    print('数组逻辑运算结果为:\n',np.any(x == y))  #np.any()表示逻辑or
    数组逻辑运算结果为:
     True
    arr1 = np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]])
    print('创建的数组1为:\n',arr1)
    创建的数组1为:
     [[0 0 0]
     [1 1 1]
     [2 2 2]
     [3 3 3]]
    print('数组1的shape为:\n',arr1.shape)
    数组1的shape为:
     (4, 3)
    arr2 = np.array([1,2,3])
    print('创建的数组2为:\n',arr2)
    创建的数组2为:
     [1 2 3]
    print('数组2的shape为:\n',arr2.shape)
    数组2的shape为:
     (3,)
    print('数组相加结果为:\n',arr1 + arr2)
    数组相加结果为:
     [[1 2 3]
     [2 3 4]
     [3 4 5]
     [4 5 6]]
    arr1 = np.array([[0,0,0],[1,1,1],[2,2,2],[3,3,3]])
    print('创建的数组1为:\n',arr1)
    创建的数组1为:
     [[0 0 0]
     [1 1 1]
     [2 2 2]
     [3 3 3]]
    print('数组1的shape为:\n',arr1.shape)
    数组1的shape为:
     (4, 3)
    arr2 = np.array([1,2,3,4]).reshape((4,1))
    print('创建的数组2为:\n',arr2)
    创建的数组2为:
     [[1]
     [2]
     [3]
     [4]]
    print('数组2的shape为:\n',arr2.shape)
    数组2的shape为:
     (4, 1)
    print('数组相加结果为:\n',arr1 + arr2)
    数组相加结果为:
     [[1 1 1]
     [3 3 3]
     [5 5 5]
     [7 7 7]]
    

    相关文章

      网友评论

          本文标题:认识Numpy—矩阵

          本文链接:https://www.haomeiwen.com/subject/oszmjqtx.html