Python中矩陣和Numpy數組的示例分析

小編給大家分享一下Python中矩陣和Numpy數組的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一、什么是矩陣?

使用嵌套列表和NumPy包的Python矩陣。矩陣是一種二維數據結構，其中數字按行和列排列。

二、Python矩陣

1. 列表視為矩陣

Python沒有矩陣的內置類型。但是，可以將列表的列表視為矩陣。

例：

A = [[1, 4, 5],      [-5, 8, 9]]

可以將此列表的列表視為具有2行3列的矩陣。

如圖：

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])   # 第一行的最后一個元素 column = [];        # 空 list for row in A:   column.append(row[2])     print("3rd column =", column)

當運行程序時，輸出為：

三、NumPy數組

1. 什么是NumPy?

NumPy是用于科學計算的軟件包，它支持強大的N維數組對象。

在使用NumPy之前，需要先安裝它。

2. 如何安裝NumPy?

如果使用Windows，使用PyCharm 安裝NumPy，NumPy它帶有一些其他與數據科學和機器學習有關的軟件包。

成功安裝了NumPy，就可以導入和使用它。

NumPy提供數字的多維數組(實際上是一個對象)。

例 ：

import numpy as np a = np.array([1, 2, 3]) print(a)               # 輸出: [1, 2, 3] print(type(a))         # 輸出: <class 'numpy.ndarray'>

NumPy的數組類稱為ndarray。

注：

NumPy的數組類稱為ndarray。

3. 如何創建一個NumPy數組?

有幾種創建NumPy數組的方法。

3.1 整數，浮點數和復數的數組

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]]) # 浮點數組 print(A)  A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 復數數組 print(A)

運行效果：

3.2 零和一的數組

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)      # 輸出: [[1 1 1 1 1]]

在這里，指定dtype了32位(4字節)。因此，該數組可以采用從到的值。-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、矩陣運算

兩個矩陣相加，兩個矩陣相乘以及一個矩陣轉置。在編寫這些程序之前，使用了嵌套列表。讓看看如何使用NumPy數組完成相同的任務。

兩種矩陣的加法

使用+運算符將兩個NumPy矩陣的對應元素相加。

import numpy as np  A = np.array([[2, 4], [5, -6]]) B = np.array([[9, -3], [3, 6]]) C = A + B      # 元素聰明的加法 print(C)

兩個矩陣相乘

為了將兩個矩陣相乘，使用dot()方法。

注意：用于數組乘法(兩個數組的對應元素的乘法)，而不是矩陣乘法。

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)

矩陣轉置

使用numpy.transpose計算矩陣的轉置。

import numpy as np  A = np.array([[1, 1], [2, 1], [3, -3]]) print(A.transpose())

注：

NumPy使的任務更加輕松。

五、案例

1. 訪問矩陣元素

與列表類似，可以使用索引訪問矩陣元素。讓從一維NumPy數組開始。

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

運行該程序時，輸出為：

現在，讓看看如何訪問二維數組(基本上是矩陣)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])

當運行程序時，輸出將是：

2. 訪問矩陣的行

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)

當運行程序時，輸出將是：

3. 訪問矩陣的列

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)

當運行程序時，輸出將是：

注：

使用NumPy(而不是嵌套列表)可以更輕松地處理矩陣，而且甚至都沒有涉及基礎知識。建議詳細研究NumPy軟件包，尤其是當嘗試將Python用于數據科學/分析時。

以上是“Python中矩陣和Numpy數組的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！