python

矩阵运算

第一次看见

Python

的运行感觉就让我想起了

matlab

，于是就上网嗖嗖他在矩阵方面的运算

如何，如果不想安装

Matlab

那么大的软件，而你又只是想计算些矩阵，

python

绝对够用！

尤其在

Linux

下太方便了

Python

使用

NumPy

包完成了对

N-

维数组的快速便捷操作。使用这个包，需要导入

numpy

。

SciPy

包以

NumPy

包为基础，大大的扩展了

numpy

的能力。为了使用的方便，

scipy

包在最

外层名字空间中包括了所有的

numpy

内容，因此只要导入了

scipy

，不必在单独导入

numpy

了！但是为了明确哪些是

numpy

中实现的，哪些是

scipy

中实现的，本文还是进行了区分。

以下默认已经：

import numpy as np 

以及

impor scipy as sp 

下面简要介绍

Python

和

MATLAB

处理数学问题的几个不同点。

1.MATLAB

的基本是矩阵，

而

numpy

的基本类型是多为数组，把

matrix

看做是

array

的子类。

2.MATLAB

的索引从

1

开始，而

numpy

从

0

开始。

1.

建立矩阵

a1=np.array([1,2,3],dtype=int) 

#

建立一个一维数组，数据类型是

int

。也可以不指定数据类

型，使用默认。几乎所有的数组建立函数都可以指定数据类型，即

dtype

的取值。

a2=np.array([[1,2,3],[2,3,4]]) 

#

建立一个二维数组。此处和

MATLAB

的二维数组（矩阵）

的建立有很大差别。

同样，

numpy

中也有很多内置的特殊矩阵：

b1=np.zeros((2,3)) 

 #

生成一个

2

行

3

列的全

0

矩阵。注意，参数是一个

tuple

：

(2,3)

，所以

有两个括号。

完整的形式为：

zeros(shape,dtype=)

。

相同的结构，

有

ones()

建立全

1

矩阵。

empty()

建立一个空矩阵，使用内存中的随机值来填充这个矩阵。

b2=identity(n) 

#

建立

n*n

的单位阵，这只能是一个方阵。

b3=eye(N,M=None,k=0) 

 #

建立一个对角线是

1

其余值为

0

的矩阵，

用

k

指定对角线的位置。

M

默认

None

。

此外，

numpy

中还提供了几个

like

函数，即按照某一个已知的数组的规模

（几行几列）建立

同样规模的特殊数组。这样的函数有

zeros_like()

、

empty_like()

、

ones_like()

，它们的参数均

为如此形式：

zeros_like(a,dtype=)

，其中，

a

是一个已知的数组。

c1=np.arange(2,3,0.1) 

#

起点，终点，步长值。含起点值，不含终点值。