Numpy矩阵的基础运算(2)

DataScience.jpg

这是对上一篇矩阵的基础运算的补充，如果有的运算没提到，可以翻翻上一篇

在此附上视频链接

一、引入numpy第三方库

首先我们引入numpy这个第三方库,如果有同学没安装numpy可在命令行中pip install numpy进行安装(Mac用户 sudo pip3 install numpy)

import numpy as np

二、关于矩阵补充的一些基础运算

1.找出矩阵最值的索引

print(np.argmin(A)) # 找出矩阵A中最小值的索引
print(np.argmax(B)) # 找出矩阵B中最大值的索引

2.矩阵均值的求法

print(np.mean(A)) # 求出矩阵A的均值
print(A.mean()) # 效果同上
print(np.average(A)) # 效果同上
print(np.mean(A, axis=0)) # axis=0 表示对列进行操作， axis=1表示对行进行操作

3.矩阵中位数的求法

print(np.median(A))

4.矩阵中元素的累加

print(np.cumsum(A)) # 生成矩阵中数据的依次累加数列
print(np.diff(A)) # 生成一矩阵中两相邻数据的差的矩阵

5.矩阵排序

print(np.sort(A)) # 逐行进行从小到大的排序

6.矩阵的转置

print(np.transpose(A))
print(A.T) # 效果同上

7.矩阵限制范围

print(np.clip(A, 5, 9)) # 将矩阵中的元素限制在5到9，使矩阵中小于5的数等于5，大于9的数等于9

三、代码与效果

下面就直接上代码啦

import numpy as np

A = np.arange(2,14).reshape((3,4))
print('\n矩阵A:')
print(A)
print('\n矩阵逐行进行排序:')
print(np.sort(A))                       # 逐行进行排序
print('\n矩阵转置:')
print(np.transpose(A))                  # 矩阵转置
print('\n转置再进行乘法:')
print((A.T).dot(A))                     # 转置再进行矩阵乘法

运行效果如下： np1.png

import numpy as np

A = np.arange(2,14).reshape((3,4))
print('\n矩阵A:')
print(A)
print('\n矩阵的平均值:')
print(np.average(A))
print('\n对列求均值:')
print(np.mean(A, axis=0))
print('\n对行求均值:')
print(np.mean(A, axis=1))
print('\n矩阵的中位数:')
print(np.median(A))  #中位数
print('\n矩阵的最小值索引:')
print(np.argmin(A))  #最小值索引
print('\n矩阵的最大值索引:')
print(np.argmax(A))  #最大值索引

运行效果如下： np3.png

import numpy as np

A = np.arange(2,14).reshape((3,4))
print('\n矩阵A:')
print(A)
print('\n矩阵小于5的数变为5，大于9的数变为9:')
print(np.clip(A,5,9))                     # 矩阵小于5的数变为5，大于9的数变为9
print('\n矩阵逐步累加:')
print(np.cumsum(A))                       # 逐步累加
print('\n矩阵相邻差:')
print(np.diff(A))                         # 相邻差

运行效果如下： np2.png

好啦，以上就是这次对矩阵基础运算的一些补充，因为自己也不好讲清楚矩阵中运算的一些概念，大家如有不懂可以对照后面代码的运行结果理解，或者参考相关书籍。

大家如果有什么问题或者建议都可以在下方评论留言，如有错误请指出下。希望这篇博文能帮助到刚学习这个的同学，也欢迎大家分享给需要的人。

如需转载，请注明出处。