Python中Numpy mat的使用詳解
前面介紹過(guò)用dnarray來(lái)模擬,但mat更符合矩陣,這里的mat與Matlab中的很相似。(mat與matrix等同)
基本操作
>>> m= np.mat([1,2,3]) #創(chuàng)建矩陣
>>> m
matrix([[1, 2, 3]])
>>> m[0] #取一行
matrix([[1, 2, 3]])
>>> m[0,1] #第一行,第2個(gè)數(shù)據(jù)
2
>>> m[0][1] #注意不能像數(shù)組那樣取值了
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__
out = N.ndarray.__getitem__(self, index)
IndexError: index 1 is out of bounds for axis 0 with size 1
#將Python的列表轉(zhuǎn)換成NumPy的矩陣
>>> list=[1,2,3]
>>> mat(list)
matrix([[1, 2, 3]])
#Numpy dnarray轉(zhuǎn)換成Numpy矩陣
>>> n = np.array([1,2,3])
>>> n
array([1, 2, 3])
>>> np.mat(n)
matrix([[1, 2, 3]])
#排序
>>> m=np.mat([[2,5,1],[4,6,2]]) #創(chuàng)建2行3列矩陣
>>> m
matrix([[2, 5, 1],
[4, 6, 2]])
>>> m.sort() #對(duì)每一行進(jìn)行排序
>>> m
matrix([[1, 2, 5],
[2, 4, 6]])
>>> m.shape #獲得矩陣的行列數(shù)
(2, 3)
>>> m.shape[0] #獲得矩陣的行數(shù)
2
>>> m.shape[1] #獲得矩陣的列數(shù)
3
#索引取值
>>> m[1,:] #取得第一行的所有元素
matrix([[2, 4, 6]])
>>> m[1,0:1] #第一行第0個(gè)元素,注意左閉右開(kāi)
matrix([[2]])
>>> m[1,0:3]
matrix([[2, 4, 6]])
>>> m[1,0:2]
matrix([[2, 4]])
矩陣求逆、行列式
與Numpy array相同,可參考鏈接。
矩陣乘法
矩陣乘,與Numpy dnarray類(lèi)似,可以使用np.dot()和np.matmul(),除此之外,由于matrix中重載了“*”,因此“*”也能用于矩陣乘。
>>> a = np.mat([[1,2,3], [2,3,4]])
>>> b = np.mat([[1,2], [3,4], [5,6]])
>>> a
matrix([[1, 2, 3],
[2, 3, 4]])
>>> b
matrix([[1, 2],
[3, 4],
[5, 6]])
>>> a * b #方法一
matrix([[22, 28],
[31, 40]])
>>> np.matmul(a, b) #方法二
matrix([[22, 28],
[31, 40]])
>>> np.dot(a, b) #方法三
matrix([[22, 28],
[31, 40]])
點(diǎn)乘,只剩下multiply方法了。
>>> a = np.mat([[1,2], [3,4]])
>>> b = np.mat([[2,2], [3,3]])
>>> np.multiply(a, b)
matrix([[ 2, 4],
[ 9, 12]])
矩陣轉(zhuǎn)置
轉(zhuǎn)置有兩種方法:
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.T #方法一,ndarray也行
matrix([[1, 3],
[2, 4]])
>>> np.transpose(a) #方法二
matrix([[1, 3],
[2, 4]])
值得一提的是,matrix中求逆還有一種簡(jiǎn)便方法(ndarray中不行):
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.I
matrix([[-2. , 1. ],
[ 1.5, -0.5]])
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
PyCharm中找不到pandas庫(kù)的問(wèn)題解決
本文主要介紹了PyCharm中找不到pandas庫(kù)的問(wèn)題解決,文中通過(guò)幾種解決方法介紹的非常詳細(xì),需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2025-04-04
Python 讀寫(xiě)文件和file對(duì)象的方法(推薦)
下面小編就為大家?guī)?lái)一篇Python 讀寫(xiě)文件和file對(duì)象的方法(推薦)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-09-09
Django在urls.py利用函數(shù)path()配置路由時(shí)傳遞參數(shù)給調(diào)用的視圖函數(shù)的方法(推薦)
這篇文章主要介紹了Django在urls.py利用函數(shù)path()配置路由時(shí)傳遞參數(shù)給調(diào)用的視圖函數(shù)的方法(推薦),本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2024-01-01
Win11平臺(tái)安裝和配置NeoVim0.8.2編輯器搭建Python3開(kāi)發(fā)環(huán)境詳細(xì)過(guò)程(2023最新攻略)
這篇文章主要介紹了Win11平臺(tái)安裝和配置NeoVim0.8.2編輯器搭建Python3開(kāi)發(fā)環(huán)境(2023最新攻略),本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2023-01-01
Python實(shí)現(xiàn)自動(dòng)添加腳本頭信息的示例代碼
這篇文章給大家介紹的一段腳本是自動(dòng)添加注釋信息的腳本,添加的信息包括腳本名稱(chēng)、作者和時(shí)間等之類(lèi)的,對(duì)于團(tuán)隊(duì)形成統(tǒng)一的編碼規(guī)則很有幫助。有需要的可以參考借鑒。2016-09-09
Python圖片轉(zhuǎn)gif方式(將靜態(tài)圖轉(zhuǎn)化為分塊加載的動(dòng)態(tài)圖)
這篇文章主要介紹了Python圖片轉(zhuǎn)gif方式(將靜態(tài)圖轉(zhuǎn)化為分塊加載的動(dòng)態(tài)圖),具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11

