python
矩陣運算
第一次看見
python
的執行感覺就讓我想起了
matlab
，於是就上網嗖
嗖他在矩陣方
面的運算如何，如果不想安裝
matlab
那麼大的軟體，而你又只是想計算
些矩陣，
python
絕對夠用！尤其在
linux
下太方便了
python
使用nump
包完成了對
n-維陣列的快速便捷操作。使用這個包，需要匯入
numpy
scipy
包以nump
包為基礎，大大的擴充套件了
numpy
的能力。為了使用的方
便，scipy
包在最外層名字空間中包括了所有的
numpy
內容，因此只要匯入了
scipy
，不必在單獨匯入
numpy
了！但是為了明確哪些是
numpy
中實現的，哪些是
scipy
import numpy as np以及
impor scipy as sp
下面簡要介紹
python
和matla
處理數學問題的幾個不同點。
1.matlab
勺基本是
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
勺索引從
開始，而
numpy
從開始。
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
勺二維陣列
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
行列的全
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
其餘值為
的矩陣，用k指定
對角線的位置。m預設
nona
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是一
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^
的同名函式
e1=np.random.rand(3,2)
產生乙個
行列的隨機數組。同一空間下，有
randn()/randint()
等多個隨機函式
fliplr()/flipud()/rot90()
功能類似
matla
同名函式。
python怎麼成為高手 如何成為Python高手
這篇文章主要是對我收集的一些文章的摘要。因為已經有很多比我有才華的人寫出了大量關於如何成為優秀python程式設計師的好文章。我的總結主要集中在四個基本題目上 函式式程式設計，效能，測試，編碼規範。如果乙個程式設計師能將這四個方面的內容知識都吸收消化，那他 她不管怎樣都會有巨大的收穫。函式式程式設計...
python物件怎麼理解 如何理解python物件
類 class 抽象的概念，比如說人類 鳥類 水果 是乙個總的稱呼，沒有具體到某個物體 物件 object，指具體例項，instance 給物件增加乙個例項變數 增加乙個skills例項變數 p.skills programming writing print p.skills 刪除p物件的name...
新手該如何學python怎麼學好python
1 學好python的第一步，就是馬上到 3 學完了基本語法後，就可以進行互動式學習了。python具備很好的互動學習模式，對於書本上的例子我們可以通過互動平台進行操練，通過練習加深印象，達到學習掌握的目的。4 通過以上三個步驟的學習後，我們大致掌握了python的常用方法 關鍵字用法以及函式語法等...