訂閱
糾錯(cuò)
加入自媒體

Python矩陣和Numpy數(shù)組有什么聯(lián)系?

四、矩陣運(yùn)算

兩個(gè)矩陣相加,兩個(gè)矩陣相乘以及一個(gè)矩陣轉(zhuǎn)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(shù)組完成相同的任務(wù)。

兩種矩陣的加法

使用+運(yùn)算符將兩個(gè)NumPy矩陣的對(duì)應(yīng)元素相加。

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

兩個(gè)矩陣相乘

為了將兩個(gè)矩陣相乘,使用dot()方法。

注意:用于數(shù)組乘法(兩個(gè)數(shù)組的對(duì)應(yīng)元素的乘法),而不是矩陣乘法。

import numpy as np
A = np.a(chǎn)rray([[3, 6, 7], [5, -3, 0]])B = np.a(chǎn)rray([[1, 1], [2, 1], [3, -3]])C = A.dot(B)print(C)

矩陣轉(zhuǎn)置

使用numpy.transpose計(jì)算矩陣的轉(zhuǎn)置。

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

注:

NumPy使的任務(wù)更加輕松。

五、案例

1. 訪問(wèn)矩陣元素

與列表類似,可以使用索引訪問(wèn)矩陣元素。讓從一維NumPy數(shù)組開(kāi)始。

import numpy as npA = np.a(chǎn)rray([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(yùn)行該程序時(shí),輸出為:

現(xiàn)在,讓看看如何訪問(wèn)二維數(shù)組(基本上是矩陣)的元素。

import numpy as np
A = np.a(chǎn)rray([[1, 4, 5, 12],    [-5, 8, 9, 0],    [-6, 7, 11, 19]])
#  First element of first rowprint("A[0][0] =", A[0][0])  
# Third element of second rowprint("A[1][2] =", A[1][2])
# Last element of last rowprint("A[-1][-1] =", A[-1][-1])

當(dāng)運(yùn)行程序時(shí),輸出將是:

2. 訪問(wèn)矩陣的行
import numpy as np
A = np.a(chǎn)rray([[1, 4, 5, 12],     [-5, 8, 9, 0],    [-6, 7, 11, 19]])
print("A[0] =", A[0]) # First Rowprint("A[2] =", A[2]) # Third Rowprint("A[-1] =", A[-1]) # Last Row (3rd row in this case)

當(dāng)運(yùn)行程序時(shí),輸出將是:

3. 訪問(wèn)矩陣的列
import numpy as np
A = np.a(chǎn)rray([[1, 4, 5, 12],     [-5, 8, 9, 0],    [-6, 7, 11, 19]])
print("A[:,0] =",A[:,0]) # First Columnprint("A[:,3] =", A[:,3]) # Fourth Columnprint("A[:,-1] =", A[:,-1]) # Last Column (4th column in this case)

當(dāng)運(yùn)行程序時(shí),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(méi)有涉及基礎(chǔ)知識(shí)。建議詳細(xì)研究NumPy軟件包,尤其是當(dāng)嘗試將Python用于數(shù)據(jù)科學(xué)/分析時(shí)。

六、總結(jié)

本文基于Python基礎(chǔ),介紹了矩陣和NumPy數(shù)組,重點(diǎn)介紹了NumPy數(shù)組,如何去安裝NumPy模塊,如何去創(chuàng)建一個(gè)NumPy數(shù)組的兩種方式。

通過(guò)案例的分析,代碼的演示,運(yùn)行效果圖的展示,使用Python語(yǔ)言,能夠讓讀者更好的理解。

讀者可以根據(jù)文章內(nèi)容,自己實(shí)現(xiàn)。有時(shí)候看到別人實(shí)現(xiàn)起來(lái)很簡(jiǎn)單,但是到自己動(dòng)手實(shí)現(xiàn)的時(shí)候,總會(huì)有各種各樣的問(wèn)題,切勿眼高手低,勤動(dòng)手,才可以理解的更加深刻。

代碼很簡(jiǎn)單,希望對(duì)你學(xué)習(xí)有幫助。


<上一頁(yè)  1  2  
聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)