Python中的Numpy矩阵操作

Python  /  管理员 发布于 7年前   190

Numpy

通过观察Python的自有数据类型，我们可以发现Python原生并不提供多维数组的操作，那么为了处理矩阵，就需要使用第三方提供的相关的包。

NumPy 是一个非常优秀的提供矩阵操作的包。NumPy的主要目标，就是提供多维数组，从而实现矩阵操作。

NumPy's main object is the homogeneous multidimensional array. It is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. In NumPy dimensions are called axes.

基本操作

 ######################################## 创建矩阵#######################################from numpy import array as matrix, arange# 创建矩阵a = arange(15).reshape(3,5)a# Out[10]:# array([[0., 0., 0., 0., 0.],#    [0., 0., 0., 0., 0.],#    [0., 0., 0., 0., 0.]])b = matrix([2,2])b# Out[33]: array([2, 2])c = matrix([[1,2,3,4,5,6],[7,8,9,10,11,12]], dtype=int)c # Out[40]:# array([[ 1, 2, 3, 4, 5, 6],#    [ 7, 8, 9, 10, 11, 12]])

######################################## 创建特殊矩阵#######################################from numpy import zeros, ones,emptyz = zeros((3,4))z# Out[43]:# array([[0., 0., 0., 0.],#    [0., 0., 0., 0.],#    [0., 0., 0., 0.]])o = ones((3,4))o# Out[46]:# array([[1., 1., 1., 1.],#    [1., 1., 1., 1.],#    [1., 1., 1., 1.]])e = empty((3,4))e# Out[47]:# array([[0., 0., 0., 0.],#    [0., 0., 0., 0.],#    [0., 0., 0., 0.]])

 ######################################## 矩阵数学运算#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],#    [3, 4, 5],#    [6, 7, 8]])b = arange(3)b# Out[14]: array([0, 1, 2])a + b# Out[12]:# array([[ 0, 2, 4],#    [ 3, 5, 7],#    [ 6, 8, 10]])a - b# array([[0, 0, 0],#    [3, 3, 3],#    [6, 6, 6]])a * b# Out[11]:# array([[ 0, 1, 4],#    [ 0, 4, 10],#    [ 0, 7, 16]])a < 5# Out[12]:# array([[ True, True, True],#    [ True, True, False],#    [False, False, False]])a ** 2# Out[13]:# array([[ 0, 1, 4],#    [ 9, 16, 25],#    [36, 49, 64]], dtype=int32)a += 3a# Out[17]:# array([[ 3, 4, 5],#    [ 6, 7, 8],#    [ 9, 10, 11]]) 

######################################## 矩阵内置操作#######################################from numpy import array as matrix, arangea = arange(9).reshape(3,3)a# Out[10]:# array([[0, 1, 2],#    [3, 4, 5],#    [6, 7, 8]])a.max()# Out[23]: 8a.min()# Out[24]: 0a.sum()# Out[25]: 36 

######################################## 矩阵索引、拆分、遍历#######################################from numpy import array as matrix, arangea = arange(25).reshape(5,5)a# Out[9]:# array([[ 0, 1, 2, 3, 4],#    [ 5, 6, 7, 8, 9],#    [10, 11, 12, 13, 14],#    [15, 16, 17, 18, 19],#    [20, 21, 22, 23, 24]])a[2,3]   # 取第3行第4列的元素# Out[3]: 13a[0:3,3]  # 取第1到3行第4列的元素# Out[4]: array([ 3, 8, 13])a[:,2]   # 取所有第二列元素# Out[7]: array([ 2, 7, 12, 17, 22])a[0:3,:]  # 取第1到3行的所有列# Out[8]:# array([[ 0, 1, 2, 3, 4],#    [ 5, 6, 7, 8, 9],#    [10, 11, 12, 13, 14]])a[-1]  # 取最后一行# Out[10]: array([20, 21, 22, 23, 24])for row in a:  # 逐行迭代  print(row)# [0 1 2 3 4]# [5 6 7 8 9]# [10 11 12 13 14]# [15 16 17 18 19]# [20 21 22 23 24]for element in a.flat: # 逐元素迭代，从左到右，从上到下  print(element)# 0# 1# 2# 3

# ... ######################################## 改变矩阵#######################################from numpy import array as matrix, arangeb = arange(20).reshape(5,4)b# Out[18]:# array([[ 0, 1, 2, 3],#    [ 4, 5, 6, 7],#    [ 8, 9, 10, 11],#    [12, 13, 14, 15],#    [16, 17, 18, 19]])b.ravel()# Out[16]:# array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,#    17, 18, 19])b.reshape(4,5)# Out[17]:# array([[ 0, 1, 2, 3, 4],#    [ 5, 6, 7, 8, 9],#    [10, 11, 12, 13, 14],#    [15, 16, 17, 18, 19]])b.T   # reshape 方法不改变原矩阵的值，所以需要使用 .T 来获取改变后的值# Out[19]:# array([[ 0, 4, 8, 12, 16],#    [ 1, 5, 9, 13, 17],#    [ 2, 6, 10, 14, 18],#    [ 3, 7, 11, 15, 19]]) 

######################################## 合并矩阵#######################################from numpy import array as matrix,newaxisimport numpy as npd1 = np.floor(10*np.random.random((2,2)))d2 = np.floor(10*np.random.random((2,2)))d1# Out[7]:# array([[1., 0.],#    [9., 7.]])d2# Out[9]:# array([[0., 0.],#    [8., 9.]])np.vstack((d1,d2)) # 按列合并# Out[10]:# array([[1., 0.],#    [9., 7.],#    [0., 0.],#    [8., 9.]])np.hstack((d1,d2)) # 按行合并# Out[11]:# array([[1., 0., 0., 0.],#    [9., 7., 8., 9.]])np.column_stack((d1,d2)) # 按列合并# Out[13]:# array([[1., 0., 0., 0.],#    [9., 7., 8., 9.]])c1 = np.array([11,12])c2 = np.array([21,22])np.column_stack((c1,c2))# Out[14]:# array([[11, 21],#    [12, 22]])c1[:,newaxis]  # 添加一个“空”列# Out[18]:# array([[11],#    [12]])np.hstack((c1,c2))# Out[27]: array([11, 12, 21, 22])np.hstack((c1[:,newaxis],c2[:,newaxis]))# Out[28]:# array([[11, 21],#    [12, 22]])

参考

1.NumPy官方文档

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。