python的numpy庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要匯入numpy的包。
一.numpy的匯入和使用
from numpy import *;#匯入numpy的庫函式
import numpy as np; #這個方式使用numpy的函式時，需要以np.開頭。
二.矩陣的建立
由一維或二維資料建立矩陣
from numpy import *;
a1=array([1,2,3]);
a1=mat(a1);
建立常見的矩陣
data1=mat(zeros((3,3)));
#建立乙個3*3的零矩陣，矩陣這裡zeros函式的引數是乙個tuple型別(3,3)
data2=mat(ones((2,4)));
#建立乙個2*4的1矩陣，預設是浮點型的資料，如果需要時int型別，可以使用dtype=int
data3=mat(random.rand(2,2));
#這裡的random模組使用的是numpy中的random模組，random.rand(2,2)建立的是乙個二維陣列，需要將其轉換成#matrix
data4=mat(random.randint(10,size=(3,3)));
#生成乙個3*3的0-10之間的隨機整數矩陣，如果需要指定下界則可以多加乙個引數
data5=mat(random.randint(2,8,size=(2,5));
#產生乙個2-8之間的隨機整數矩陣
data6=mat(eye(2,2,dtype=int));
#產生乙個2*2的對角矩陣
a1=[1,2,3];
a2=mat(diag(a1));
#生成乙個對角線為1、2、3的對角矩陣
三.常見的矩陣運算
1. 矩陣相乘
a1=mat([1,2]);
a2=mat([[1],[2]]);
a3=a1*a2;
#1*2的矩陣乘以2*1的矩陣，得到1*1的矩陣
2. 矩陣點乘
矩陣對應元素相乘
a1=mat([1,1]);
a2=mat([2,2]);
a3=multiply(a1,a2);
矩陣點乘
a1=mat([2,2]);
a2=a1*2;
3.矩陣求逆，轉置
矩陣求逆程式設計客棧
a1=mat(eye(2,2)*0.5);
a2=a1.i;
#求矩陣matrix([[0.5,0],[0,0.5]])的逆矩陣
矩陣轉置
a1=mat([[1,1],[0,0]]);
a2=a1.t;
4.計算矩陣對應行列的最大、最小值、和。
a1=mat([[1,1],[2,3],[4,2]]);
計算每一列、行的和
a2=a1.sum(axis=0);//列和，這裡得到的是1*2的矩陣
a3=a1.sum(axis=1);//行和，這裡得到的是3*1的矩陣
a4=sum(a1[1,:]);//計算第一行所有列的和，這裡得到的是乙個數值
計算最大、最小值和索引
a1.max();//計算a1矩陣中所有元素的最大值,這裡得到的結果是乙個數值
a2=max(a1[:,1]);//計算第二列的最大值，這裡得到的是乙個1*1的矩陣
a1[1,:].max();//計算第二行的最大值，這裡得到的是乙個乙個數值
np.max(a1,0);//計算所有列的最大值，這裡使用的是numpy中的max函式
np.max(a1,1);//計算所有行的最大值，這裡得到是乙個矩陣
np.argmax(a1,0);//計算所有列的最大值對應在該列中的索引
np.argmax(a1[1,:]);//計算第二行中最大值對應在改行的索引
5.矩陣的分隔和合併
矩陣的分隔，同列表和陣列的分隔一致。
a=mat(ones((3,3)));
b=a[1:,1:];//分割出第二行以後的行和第二列以後的列的所有元素
矩陣的合併
a=mat(ones((2,2)));
b=mat(eye(2));
c=vstack((a,b));//按列合併，即增加行數
d=hstack((a,b));//按行合併，即行數不變，擴充套件列數
四.矩陣、列表、陣列的轉換
列表可以修改，並且列表中元素可以使不同型別的資料，如下：
l1=[[1],'hello',3];
numpy中陣列，同乙個陣列中所有元素必須為同乙個型別，有幾個常見的屬性：
a=array([[2],[1]]);
dimension=a.ndim;
m,n=a.shape;
number=a.size;//元素總個數
str=a.dtype;//元素的型別
numpy中的矩陣也有與陣列常見的幾個屬性。
它們之間的轉換：
a1=[[1,2],[3,2],[5,2]];//列表
a2=array(a1);//將列表轉換成二維陣列
a3=array(a1);//將列表轉化成矩陣
a4=array(a3);//將矩陣轉換成陣列
a5=a3.tolist();//將矩陣轉換成列表
a6=a2.tolist();//將陣列轉換成列表
這裡可以發現三者之間的轉換是非常簡單的，這裡需要注意的是，當列表是一維的時候，將它轉換成陣列和矩陣後，再通過tolist()轉換成列表是不相同的，需要做一些小小的修改。如下：
程式設計客棧a1=[1,2,3];
a2=array(a1);
a3=mat(a1);
a4=a2.tolist();//這裡得到的是[1,2,3]
a5=a3.tolist();//這裡得到的是[[1,2,3]]
a6=(a4 == a5);//a6=false
a7=(a4 is a5[0]);//a7=true,a5[0]=[1,2,3]
矩陣轉換成數值，存在以下一種情況：
da程式設計客棧tamat=mat([1]);
val=data程式設計客棧mat[0,0];//這個時候獲取的就是矩陣的元素的數值，而不再是矩陣的型別
python 常見矩陣運算
python 的 numpy 庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要匯入 numpy 的包。from numpy import 匯入numpy的庫函式 import numpy as np 這個方式使用numpy的函式時，需要以np.開頭。由一維或二維資料建立矩陣 from num...
python矩陣運算,轉置,逆運算,共軛矩陣例項
我就廢話不多說了，大家還是直接看 吧！先定義兩個矩陣 x np.array 1,2104,5,1,45 1,1416,3,2,40 1,1534,3,2,30 1,852,2,1,36 y np.array 45,40,30,36 內積以後發現 www.cppcns.comc np.dot x.t,...
python的常見矩陣運算 小結
python的numpy庫提供矩陣運算的功能，因此我們在需要矩陣運算的時候，需要匯入numpy的包。1.numpy的匯入和使用 from numpy import 匯入numpy的庫函式 import numpy as np 這個方式使用numpy的函式時，需要以np.開頭。2.矩陣的建立 由一維或...