NumPy是一個關于矩陣運算的庫，熟悉Matlab的都應該清楚，這個庫就是讓python能夠進行矩陣話的操作，而不用去寫循環操作。

下面對numpy中的操作進行總結。?
numpy包含兩種基本的數據類型：數組和矩陣。

數組(Arrays)

>>> from numpy import * >>> a1=array([1,1,1]) #定義一個數組 >>> a2=array([2,2,2]) >>> a1+a2 #對于元素相加 array([3, 3, 3]) >>> a1*2 #乘一個數 array([2, 2, 2])## >>> a1=array([1,2,3]) >>> a1 array([1, 2, 3]) >>> a1**3 #表示對數組中的每個數做平方 array([ 1, 8, 27]) ##取值，注意的是它是以0為開始坐標，不matlab不同 >>> a1[1] 2##定義多維數組 >>> a3=array([[1,2,3],[4,5,6]]) >>> a3 array([[1, 2, 3],[4, 5, 6]]) >>> a3[0] #取出第一行的數據 array([1, 2, 3]) >>> a3[0,0] #第一行第一個數據 1 >>> a3[0][0] #也可用這種方式 1 ##數組點乘，相當于matlab點乘操作 >>> a1=array([1,2,3]) >>> a2=array([4,5,6]) >>> a1*a2 array([ 4, 10, 18])

Numpy有許多的創建數組的函數：

import numpy as npa = np.zeros((2,2)) # Create an array of all zeros print a # Prints "[[ 0. 0.]# [ 0. 0.]]"b = np.ones((1,2)) # Create an array of all ones print b # Prints "[[ 1. 1.]]"c = np.full((2,2), 7) # Create a constant array print c # Prints "[[ 7. 7.]# [ 7. 7.]]"d = np.eye(2) # Create a 2x2 identity matrix print d # Prints "[[ 1. 0.]# [ 0. 1.]]"e = np.random.random((2,2)) # Create an array filled with random values print e # Might print "[[ 0.91940167 0.08143941]# [ 0.68744134 0.87236687]]"

數組索引(Array indexing)

矩陣

矩陣的操作與Matlab語言有很多的相關性。

#創建矩陣 >>> m=mat([1,2,3]) >>> m matrix([[1, 2, 3]])#取值 >>> m[0] #取一行 matrix([[1, 2, 3]]) >>> m[0,1] #第一行，第2個數據 2 >>> m[0][1] #注意不能像數組那樣取值了 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#將Python的列表轉換成NumPy的矩陣 >>> list=[1,2,3] >>> mat(list) matrix([[1, 2, 3]])#矩陣相乘 >>> m1=mat([1,2,3]) #1行3列 >>> m2=mat([4,5,6]) >>> m1*m2.T #注意左列與右行相等 m2.T為轉置操作 matrix([[32]]) >>> multiply(m1,m2) #執行點乘操作，要使用函數，特別注意 matrix([[ 4, 10, 18]]) #排序 >>> m=mat([[2,5,1],[4,6,2]]) #創建2行3列矩陣 >>> m matrix([[2, 5, 1],[4, 6, 2]]) >>> m.sort() #對每一行進行排序 >>> m matrix([[1, 2, 5],[2, 4, 6]])>>> m.shape #獲得矩陣的行列數 (2, 3) >>> m.shape[0] #獲得矩陣的行數 2 >>> m.shape[1] #獲得矩陣的列數 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個元素，注意左閉右開 matrix([[2]]) >>> m[1,0:3] matrix([[2, 4, 6]]) >>> m[1,0:2] matrix([[2, 4]])

擴展矩陣函數tile()

例如，要計算[0,0,0]到一個多維矩陣中每個點的距離，則要將[0,0,0]進行擴展。

tile(inX, (i,j)) ;i是擴展個數，j是擴展長度

實例如下：

>>>x=mat([0,0,0]) >>> x matrix([[0, 0, 0]]) >>> tile(x,(3,1)) #即將x擴展3個，j=1,表示其列數不變 matrix([[0, 0, 0],[0, 0, 0],[0, 0, 0]]) >>> tile(x,(2,2)) #x擴展2次，j=2,橫向擴展 matrix([[0, 0, 0, 0, 0, 0],[0, 0, 0, 0, 0, 0]])

//

轉載：https://blog.csdn.net/taoyanqi8932/article/details/52703686

?

總結

以上是生活随笔為你收集整理的Python中矩阵库Numpy基本操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。