Python中Numpy mat的使用详解_Python

前面介绍过用dnarray来模拟，但mat更符合矩阵，这里的mat与Matlab中的很相似。(mat与matrix等同)

基本操作

				?

									>>> m= np.mat([1,2,3]) #创建矩阵

									>>> m

									matrix([[1, 2, 3]])

									>>> m[0]        #取一行

									matrix([[1, 2, 3]])

									>>> m[0,1]       #第一行，第2个数据

									2

									>>> m[0][1]       #注意不能像数组那样取值了

									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

									#将Python的列表转换成NumPy的矩阵

									>>> list=[1,2,3]

									>>> mat(list)

									matrix([[1, 2, 3]])

									#Numpy dnarray转换成Numpy矩阵

									>>> 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]])  #创建2行3列矩阵

									>>> m

									matrix([[2, 5, 1],

									    [4, 6, 2]])

									>>> m.sort()          #对每一行进行排序

									>>> m

									matrix([[1, 2, 5],

									    [2, 4, 6]])

									>>> m.shape           #获得矩阵的行列数

									(2, 3)

									>>> m.shape[0]         #获得矩阵的行数

									2

									>>> m.shape[1]         #获得矩阵的列数

									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个元素，注意左闭右开

									matrix([[2]])

									>>> m[1,0:3]

									matrix([[2, 4, 6]])

									>>> m[1,0:2]

									matrix([[2, 4]])

矩阵求逆、行列式

与Numpy array相同，可参考链接。

矩阵乘法

矩阵乘，与Numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。

				?

									>>> 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]])

点乘，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]])

矩阵转置

转置有两种方法：

				?

									>>> 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中求逆还有一种简便方法（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内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。

原文链接：https://www.cnblogs.com/lfri/p/10561914.html

Python中Numpy mat的使用详解

相关文章

热门资讯