Python numpy学习（2）

您所在的位置：网站首页 › python 矩阵变换 › Python numpy学习（2）

Python numpy学习（2）

2023-03-24 02:01| 来源: 网络整理| 查看: 265

　　关于Python Numpy库基础知识请参考博文：Python NumPy学习（1）——numpy概述

　　关于Python Numpy函数知识请参考博文：Python numpy总结（3）——常用函数用法

Python矩阵的基本用法

　　mat（）函数将目标数据的类型转化成矩阵（matrix）

1，mat()函数和array()函数的区别

　　Numpy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素，虽然他们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中Numpy函数库中的matrix与MATLAB中matrices等价。

　　直接看一个例子：

import numpy as np a = np.mat('1 3;5 7') b = np.mat([[1,2],[3,4]]) print(a) print(b) print(type(a)) print(type(b)) c = np.array([[1,3],[4,5]]) print(c) print(type(c))

　　结果：

[[1 3] [5 7]] [[1 2] [3 4]] [[1 3] [4 5]]

　　首先，mat() 函数与array()函数生成矩阵所需的数据格式有区别，mat()函数中数据可以为字符串以分号（;）分割或者为列表形式以逗号（，）分割，而array()函数中数据只能为后者形式。

　　其次，两者的类型不同，用mat函数转换为矩阵后才能进行一些线性代数的操作。

from numpy import * # 构建一个4*4的随机数组 array_1 = random.rand(4,4) print(array_1) print(type(array_1)) ''' [[0.12681561 0.26644355 0.03582107 0.71475804] [0.01380711 0.85308305 0.37838406 0.83663897] [0.20034209 0.5736587 0.56692541 0.64008518] [0.97780979 0.129229 0.37688616 0.55341492]] ''' # 使用mat函数将数组转化为矩阵 matrix_1 = mat(array_1) print(matrix_1) print(type(matrix_1)) ''' [[0.32538457 0.60674013 0.68625186 0.58957989] [0.26465813 0.93378939 0.12944934 0.95064032] [0.65683256 0.01352025 0.11932895 0.9361348 ] [0.11667241 0.16077876 0.50904118 0.44128675]] '''

2，mat()函数创建常见的矩阵 import numpy as np # 创建一个3*3的零矩阵，矩阵这里zeros函数的参数是一个tuple类型（3,3） data1 = np.mat(np.zeros((3,3))) print(data1) ''' [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]] ''' # 创建一个2*4的1矩阵，默认是浮点型的数据，如果需要时int，可以使用dtype=int data2 = np.mat(np.ones((2,4))) print(data2) ''' [[1. 1. 1. 1.] [1. 1. 1. 1.]] ''' # 这里使用numpy的random模块 # random.rand(2,2)创建的是一个二维数组，但是需要将其转化为matrix data3 = np.mat(np.random.rand(2,2)) print(data3) ''' [[0.62002668 0.55292404] [0.53018371 0.1548954 ]] ''' # 生成一个3*3的0-10之间的随机整数矩阵，如果需要指定下界可以多加一个参数 data4 = np.mat(np.random.randint(10,size=(3,3))) print(data4) ''' [[0 4 1] [7 9 9] [9 0 4]] ''' # 产生一个2-8之间的随机整数矩阵 data5 = np.mat(np.random.randint(2,8,size=(2,5))) print(data5) ''' [[4 6 3 3 4] [4 3 3 3 6]] ''' # 产生一个2*2的对角矩阵 data6 = np.mat(np.eye(2,2,dtype=int)) print(data6) ''' [[1 0] [0 1]] ''' # 生成一个对角线为1,2,3的对角矩阵 a1 = [1,2,3] a2 = np.mat(np.diag(a1)) print(a2) ''' [[1 0 0] [0 2 0] [0 0 3]] '''

2.1，zeros

　　zeros函数是生成指定维数的全0数组

>>myMat=np.zeros(3) ###生成一个一维的全0数组 >>print(myMat) >>array([0.,0.,0.]) >>myMat1=np.zeros((3,2)) ####生成一个3*2的全0数组 >>print(myMat) >>array([[0.,0.], [0.,0.] [0.,0.]])

2.2，ones

　　ones函数是用于生成一个全1的数组

>>onesMat=np.ones(3) ###1*3的全1数组 >>print(onesMat) >>array([1.,1.,1.]) >>onesMat1=np.ones((2,3)) ###2*3的全1数组 >>print(onesMat1) >>array([[1.,1.,1.],[1.,1.,1.]])

2.3，eye

　　eye函数用户生成指定行数的单位矩阵

>>eyeMat=np.eye(4) >>print(eyeMat) >>array([[1.,0.,0.,0.], [0.,1.,0.,0.], [0.,0.,1.,0.,], [0.,0.,0.,1.]])

2.4，full

　　numpy.full(shape,fill_value=num)用于创建一个自定义形状的数组,可以自己指定一个值,用它填满整个数组。

　　fill_value 用来填充的值，可以是数字，也可以是字符串

nd_test = np.full(shape=(2,3,4),fill_value='ai') print(nd_test) array([[['ai', 'ai', 'ai', 'ai'], ['ai', 'ai', 'ai', 'ai'], ['ai', 'ai', 'ai', 'ai']], [['ai', 'ai', 'ai', 'ai'], ['ai', 'ai', 'ai', 'ai'], ['ai', 'ai', 'ai', 'ai']]], dtype='

【本文地址】

Python numpy学习（2）

Python numpy学习（2）

今日新闻

推荐新闻