下面簡要介紹python和matlab處理數學問題的幾個不同點。1.matlab的基本是矩陣，而numpy的基本型別是多為陣列，把matrix看做是array的子類。2.matlab的索引從1開始，而numpy從0開始。
1.建立矩陣
a1=np.array([1,2,3],dtype=int)
#建立乙個一維陣列，資料型別是int。也可以不指定資料型別，使用預設。幾乎所有的陣列建立函式都可以指定資料型別，即dtype的取值。
a2=np.array([[1,2,3],[2,3,4]])
#建立乙個二維陣列。此處和matlab的二維陣列（矩陣）的建立有很大差別。
同樣，numpy中也有很多內建的特殊矩陣：
b1=np.zeros((2,3))
#生成乙個2行3列的全0矩陣。注意，引數是乙個tuple：(2,3)，所以有兩個括號。完整的形式為：zeros(shape,dtype=)。相同的結構，有ones()建立全1矩陣。empty()建立乙個空矩陣，使用記憶體中的隨機值來填充這個矩陣。
b2=identity(n)
#建立n*n的單位陣，這只能是乙個方陣。
b3=eye(n,m=none,k=0)
#建立乙個對角線是1其餘值為0的矩陣，用k指定對角線的位置。m預設none。
此外，numpy中還提供了幾個like函式，即按照某乙個已知的陣列的規模（幾行幾列）建立同樣規模的特殊陣列。這樣的函式有zeros_like()、empty_like()、ones_like()，它們的引數均為如此形式：zeros_like(a,dtype=)，其中，a是乙個已知的陣列。
c1=np.arange(2,3,0.1)
#起點，終點，步長值。含起點值，不含終點值。
c2=np.linspace(1,4,10)
#起點，終點，區間內點數。起點終點均包括在內。同理，有logspace()函式
d1=np.linalg.companion(a)
#伴隨矩陣
d2=np.linalg.triu()/tril()
#作用同matlab中的同名函式
e1=np.random.rand(3,2)
#產生乙個3行2列的隨機數組。同一空間下，有randn()/randint()等多個隨機函式
fliplr()/flipud()/rot90()
#功能類似matlab同名函式。
xx=np.roll(x,2)
#roll()是迴圈移位函式。此呼叫表示向右迴圈移動2位。
2.陣列的特徵資訊
先假設已經存在乙個n維陣列x了，那麼可以得到x的一些屬性，這些屬性可以在輸入x和乙個.之後，按tab鍵檢視提示。這裡明顯看到了python物件導向的特徵。
x.flags
#陣列的儲存情況資訊。
x.shape
#結果是乙個tuple，返回本陣列的行數、列數、……
x.ndim
#陣列的維數，結果是乙個數
x.size
#陣列中元素的數量
x.itemsize
#陣列中的資料項的所佔記憶體空間大小
x.dtype
#資料型別
x.t
#如果x是矩陣，發揮的是x的轉置矩陣
x.trace()
#計算x的跡
np.linalg.det(a)
#返回的是矩陣a的行列式
np.linalg.norm(a,ord=none)
#計算矩陣a的範數
np.linalg.eig(a)
#矩陣a的特徵值和特徵向量
np.linalg.cond(a,p=none)
#矩陣a的條件數
np.linalg.inv(a)
#矩陣a的逆矩陣
3.矩陣分解
常見的矩陣分解函式，numpy.linalg均已經提供。比如cholesky()/qr()/svd()/lu()/schur()等。某些
演算法為了方便計算或者針對不同的特殊情況，還給出了多種呼叫形式，以便得到最佳結果。
4.矩陣運算
np.dot(a,b)用來計算陣列的點積；vdot(a,b)專門計算向量的點積，和dot()的區別在於對complex資料型別的處理不一樣；innner(a,b)用來計算內積；outer(a,b)計算外積。
專門處理矩陣的數學函式在numpy的子包linalg中定義。比如np.linalg.logm(a)計算矩陣a的對數。可見，這個處理和matlab是類似的，使用乙個m字尾表示是矩陣的運算。在這個空間內可以使用的有cosm()/sinm()/signm()/sqrtm()等。其中常規exp()對應有三種矩陣形式：expm()使用pade近似演算法、expm2()使用特徵值分析演算法、expm3()使用泰勒級數演算法。在numpy中，也有乙個計算矩陣的函式：funm(a,func)。
5.索引
numpy中的陣列索引形式和python是一致的。如：
x=np.arange(10)
print x[2]
#單個元素，從前往後正向索引。注意下標是從0開始的。
print x[-2]
#從後往前索引。最後乙個元素的下標是-1
print x[2:5]
#多個元素，左閉右開，預設步長值是1
print x[:-7]
#多個元素，從後向前，制定了結束的位置，使用預設步長值
print x[1:7:2]
#指定步長值
x.shape=(2,5)
#x的shape屬性被重新賦值，要求就是元素個數不變。2*5=10
print x[1,3]
#二維陣列索引單個元素，第2行第4列的那個元素
print x[0]
#第一行所有的元素
y=np.arange(35).reshape(5,7)
#reshape()函式用於改變陣列的維度
print y[1:5:2,::2]
#選擇二維陣列中的某些符合條件的元素
python numpy 矩陣堆疊
在實際操作中，遇到了矩陣堆疊的操作，本來想著自己寫乙個函式，後來想，應該有庫函式，於是一陣找尋 import numpy as np a np.array 1,2,3 b np.array 4,5,6 np.stack a,b 預設行堆疊 輸出 array 1,2,3 4,5,6 np.vstack...
python numpy 矩陣運算
轉置np.transpose x 乘np.dot x,y a.dot b dot c 逆np.linalg.inv x 轉為1維 a.flatten 除 就是乘矩陣的逆a b a.dot np.linalg.inv b 刪除一列axis 1 行axis 0 np.delete t1,j,axis 0...
Python numpy的矩陣計算
import numpy as np def numpywork1 矩陣的求和運算 one np.array 1,0,1,3,4,1 2,1,4,2,3,0 3,5,4,1,3,2 2,6,3,1,3,8 9,1,2,1,5,0 two np.sum one,axis 0 每一列求和，得到的新矩陣 ...