python的numpy庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要導(dǎo)入numpy的包。

一、numpy的導(dǎo)入和使用

from numpy import *;#導(dǎo)入numpy的庫函數(shù)import numpy as np; #這個方式使用numpy的函數(shù)時，需要以np.開頭。

二、矩陣的創(chuàng)建

由一維或二維數(shù)據(jù)創(chuàng)建矩陣

from numpy import *;a1=array([1,2,3]);a1=mat(a1);

創(chuàng)建常見的矩陣

data1=mat(zeros((3,3)));#創(chuàng)建一個3*3的零矩陣，矩陣這里zeros函數(shù)的參數(shù)是一個tuple類型(3,3)data2=mat(ones((2,4)));#創(chuàng)建一個2*4的1矩陣，默認(rèn)是浮點型的數(shù)據(jù)，如果需要時int類型，可以使用dtype=intdata3=mat(random.rand(2,2));#這里的random模塊使用的是numpy中的random模塊，random.rand(2,2)創(chuàng)建的是一個二維數(shù)組，需要將其轉(zhuǎn)換成#matrixdata4=mat(random.randint(10,size=(3,3)));#生成一個3*3的0-10之間的隨機(jī)整數(shù)矩陣，如果需要指定下界則可以多加一個參數(shù)data5=mat(random.randint(2,8,size=(2,5));#產(chǎn)生一個2-8之間的隨機(jī)整數(shù)矩陣data6=mat(eye(2,2,dtype=int));#產(chǎn)生一個2*2的對角矩陣 a1=[1,2,3];a2=mat(diag(a1));#生成一個對角線為1、2、3的對角矩陣

三、常見的矩陣運算

1. 矩陣相乘

a1=mat([1,2]); a2=mat([[1],[2]]);a3=a1*a2;#1*2的矩陣乘以2*1的矩陣，得到1*1的矩陣

2. 矩陣點乘

矩陣對應(yīng)元素相乘

a1=mat([1,1]);a2=mat([2,2]);a3=multiply(a1,a2);

矩陣點乘

a1=mat([2,2]);a2=a1*2;

3.矩陣求逆，轉(zhuǎn)置

矩陣求逆

a1=mat(eye(2,2)*0.5);a2=a1.I;#求矩陣matrix([[0.5,0],[0,0.5]])的逆矩陣

矩陣轉(zhuǎn)置

a1=mat([[1,1],[0,0]]);a2=a1.T;

4.計算矩陣對應(yīng)行列的最大、最小值、和。

a1=mat([[1,1],[2,3],[4,2]]);

計算每一列、行的和

a2=a1.sum(axis=0);//列和，這里得到的是1*2的矩陣a3=a1.sum(axis=1);//行和，這里得到的是3*1的矩陣a4=sum(a1[1,:]);//計算第一行所有列的和，這里得到的是一個數(shù)值

計算最大、最小值和索引

a1.max();//計算a1矩陣中所有元素的最大值,這里得到的結(jié)果是一個數(shù)值a2=max(a1[:,1]);//計算第二列的最大值，這里得到的是一個1*1的矩陣a1[1,:].max();//計算第二行的最大值，這里得到的是一個一個數(shù)值 np.max(a1,0);//計算所有列的最大值，這里使用的是numpy中的max函數(shù)np.max(a1,1);//計算所有行的最大值，這里得到是一個矩陣 np.argmax(a1,0);//計算所有列的最大值對應(yīng)在該列中的索引np.argmax(a1[1,:]);//計算第二行中最大值對應(yīng)在改行的索引

5.矩陣的分隔和合并

矩陣的分隔，同列表和數(shù)組的分隔一致。

a=mat(ones((3,3)));b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素

矩陣的合并

a=mat(ones((2,2)));b=mat(eye(2));c=vstack((a,b));//按列合并，即增加行數(shù)d=hstack((a,b));//按行合并，即行數(shù)不變，擴(kuò)展列數(shù)

四、矩陣、列表、數(shù)組的轉(zhuǎn)換

列表可以修改，并且列表中元素可以使不同類型的數(shù)據(jù)，如下：

l1=[[1],’hello’,3];

numpy中數(shù)組，同一個數(shù)組中所有元素必須為同一個類型，有幾個常見的屬性：

a=array([[2],[1]]);dimension=a.ndim;m,n=a.shape;number=a.size;//元素總個數(shù)str=a.dtype;//元素的類型

numpy中的矩陣也有與數(shù)組常見的幾個屬性。

它們之間的轉(zhuǎn)換：

a1=[[1,2],[3,2],[5,2]];//列表a2=array(a1);//將列表轉(zhuǎn)換成二維數(shù)組a3=array(a1);//將列表轉(zhuǎn)化成矩陣a4=array(a3);//將矩陣轉(zhuǎn)換成數(shù)組a5=a3.tolist();//將矩陣轉(zhuǎn)換成列表a6=a2.tolist();//將數(shù)組轉(zhuǎn)換成列表

這里可以發(fā)現(xiàn)三者之間的轉(zhuǎn)換是非常簡單的，這里需要注意的是，當(dāng)列表是一維的時候，將它轉(zhuǎn)換成數(shù)組和矩陣后，再通過tolist()轉(zhuǎn)換成列表是不相同的，需要做一些小小的修改。如下：

a1=[1,2,3];a2=array(a1);a3=mat(a1);a4=a2.tolist();//這里得到的是[1,2,3]a5=a3.tolist();//這里得到的是[[1,2,3]]a6=(a4 == a5);//a6=Falsea7=(a4 is a5[0]);//a7=True,a5[0]=[1,2,3]

矩陣轉(zhuǎn)換成數(shù)值，存在以下一種情況：

dataMat=mat([1]);val=dataMat[0,0];//這個時候獲取的就是矩陣的元素的數(shù)值，而不再是矩陣的類型

到此這篇關(guān)于Python計算矩陣的和積的實例詳解的文章就介紹到這了,更多相關(guān)Python怎么計算矩陣的和積內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！