Python语言

微信小程序

php语言

jsp语言

asp语言

C#/.NET

html5/css

javascript

c/vc/c++语言

点击排行

您现在的位置:首页 > 技术文档 > Python编程技巧

Python中的Numpy矩阵操作

来源:中文源码网    浏览: 次    日期:2018年9月2日
【下载技术文档:  Python中的Numpy矩阵操作 】


Python中的Numpy矩阵操作 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 += 3
a# 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,newaxis
import 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中文源码网。

亲,试试微信扫码分享本页! *^_^*

精彩推荐

相关内容