Python中Numpy mat的使用詳解
前面介紹過(guò)用dnarray來(lái)模擬,但mat更符合矩陣,這里的mat與Matlab中的很相似。(mat與matrix等同)
基本操作
>>> m= np.mat([1,2,3]) #創(chuàng)建矩陣
>>> m
matrix([[1, 2, 3]])
>>> m[0] #取一行
matrix([[1, 2, 3]])
>>> m[0,1] #第一行,第2個(gè)數(shù)據(jù)
2
>>> m[0][1] #注意不能像數(shù)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(zhuǎn)換成NumPy的矩陣
>>> list=[1,2,3]
>>> mat(list)
matrix([[1, 2, 3]])
#Numpy dnarray轉(zhuǎn)換成Numpy矩陣
>>> n = np.array([1,2,3])
>>> n
array([1, 2, 3])
>>> np.mat(n)
matrix([[1, 2, 3]])
#排序
>>> m=np.mat([[2,5,1],[4,6,2]]) #創(chuàng)建2行3列矩陣
>>> m
matrix([[2, 5, 1],
[4, 6, 2]])
>>> m.sort() #對(duì)每一行進(jìn)行排序
>>> m
matrix([[1, 2, 5],
[2, 4, 6]])
>>> m.shape #獲得矩陣的行列數(shù)
(2, 3)
>>> m.shape[0] #獲得矩陣的行數(shù)
2
>>> m.shape[1] #獲得矩陣的列數(shù)
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(gè)元素,注意左閉右開(kāi)
matrix([[2]])
>>> m[1,0:3]
matrix([[2, 4, 6]])
>>> m[1,0:2]
matrix([[2, 4]])
矩陣求逆、行列式
與Numpy array相同,可參考鏈接。
矩陣乘法
矩陣乘,與Numpy dnarray類似,可以使用np.dot()和np.matmul(),除此之外,由于matrix中重載了“*”,因此“*”也能用于矩陣乘。
>>> a = np.mat([[1,2,3], [2,3,4]])
>>> b = np.mat([[1,2], [3,4], [5,6]])
>>> a
matrix([[1, 2, 3],
[2, 3, 4]])
>>> b
matrix([[1, 2],
[3, 4],
[5, 6]])
>>> a * b #方法一
matrix([[22, 28],
[31, 40]])
>>> np.matmul(a, b) #方法二
matrix([[22, 28],
[31, 40]])
>>> np.dot(a, b) #方法三
matrix([[22, 28],
[31, 40]])
點(diǎn)乘,只剩下multiply方法了。
>>> a = np.mat([[1,2], [3,4]])
>>> b = np.mat([[2,2], [3,3]])
>>> np.multiply(a, b)
matrix([[ 2, 4],
[ 9, 12]])
矩陣轉(zhuǎn)置
轉(zhuǎn)置有兩種方法:
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.T #方法一,ndarray也行
matrix([[1, 3],
[2, 4]])
>>> np.transpose(a) #方法二
matrix([[1, 3],
[2, 4]])
值得一提的是,matrix中求逆還有一種簡(jiǎn)便方法(ndarray中不行):
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.I
matrix([[-2. , 1. ],
[ 1.5, -0.5]])
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
python中用matplotlib畫圖遇到的一些問(wèn)題及解決
這篇文章主要介紹了python中用matplotlib畫圖遇到的一些問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-09-09
opencv python如何實(shí)現(xiàn)圖像二值化
這篇文章主要介紹了opencv python如何實(shí)現(xiàn)圖像二值化,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
Python中unittest的數(shù)據(jù)驅(qū)動(dòng)詳解
這篇文章主要介紹了Python中unittest的數(shù)據(jù)驅(qū)動(dòng)詳解,數(shù)據(jù)驅(qū)動(dòng)測(cè)試,是一種單元測(cè)試框架,文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的小伙伴可以參考一下2022-08-08
python中有關(guān)時(shí)間日期格式轉(zhuǎn)換問(wèn)題
這篇文章主要介紹了python中有關(guān)時(shí)間日期格式轉(zhuǎn)換問(wèn)題,本文給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-12-12
Python Logging 日志記錄入門學(xué)習(xí)
這篇文章主要介紹了Python Logging 日志記錄入門學(xué)習(xí),小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-06-06
Python?NLP開(kāi)發(fā)之實(shí)現(xiàn)聊天機(jī)器人
這篇文章主要為大家介紹了Python如何實(shí)現(xiàn)聊天機(jī)器人,即使用自然語(yǔ)言處理?(NLP)?來(lái)幫助用戶通過(guò)文本、圖形或語(yǔ)音與?Web?服務(wù)或應(yīng)用進(jìn)行交互,感興趣的可以了解一下2023-05-05
教你怎么用python實(shí)現(xiàn)字符串轉(zhuǎn)日期
今天教各位小伙伴怎么用python實(shí)現(xiàn)字符串轉(zhuǎn)日期,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python的小伙伴很有幫助,需要的朋友可以參考下2021-05-05
Python?OpenCV超詳細(xì)講解圖像堆疊的實(shí)現(xiàn)
OpenCV用C++語(yǔ)言編寫,它具有C ++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和Mac OS,OpenCV主要傾向于實(shí)時(shí)視覺(jué)應(yīng)用,并在可用時(shí)利用MMX和SSE指令,本篇文章帶你通過(guò)OpenCV實(shí)現(xiàn)圖像堆疊2022-04-04
python?中?lxml?的?etree?標(biāo)簽解析
這篇文章主要介紹了python?中l(wèi)xml的etree?標(biāo)簽解析,文章圍繞主題展開(kāi)詳細(xì)內(nèi)容,需要的小伙伴可以參考一下,希望對(duì)你的學(xué)習(xí)或工作有所幫助2022-04-04
python包裝和授權(quán)學(xué)習(xí)教程
包裝是指對(duì)一個(gè)已經(jīng)存在的對(duì)象進(jìn)行系定義加工,實(shí)現(xiàn)授權(quán)是包裝的一個(gè)特性,下面這篇文章主要給大家介紹了關(guān)于python包裝和授權(quán)的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-06-06

