在NumPy中，矩陣是ndarray的子類(lèi)，與數(shù)學(xué)概念中的矩陣一樣，NumPy中的矩陣也是二維的，可以使用 mat 、 matrix 以及 bmat 函數(shù)來(lái)創(chuàng)建矩陣。本文將詳細(xì)講解NumPy中矩陣和通用函數(shù)的使用，感興趣的可以了解一下

一、創(chuàng)建矩陣

mat 函數(shù)創(chuàng)建矩陣時(shí)，若輸入已為 matrix 或 ndarray 對(duì)象，則不會(huì)為它們創(chuàng)建副本。因此，調(diào)用 mat() 函數(shù)和調(diào)用 matrix(data, copy=False) 等價(jià)。

1) 在創(chuàng)建矩陣的專(zhuān)用字符串中，矩陣的行與行之間用分號(hào)隔開(kāi)，行內(nèi)的元素之間用空格隔開(kāi)。使用如下的字符串調(diào)用 mat 函數(shù)創(chuàng)建矩陣：

import numpy as np

A = np.mat('1 2 3; 4 5 6; 7 8 9')
print("Creation from string：", A)

運(yùn)行結(jié)果：

Creation from string:
[[1 2 3]
[4 5 6]
[7 8 9]]

2）用T屬性獲取轉(zhuǎn)置矩陣

print("transpose A：", A.T)  # 用T屬性獲取轉(zhuǎn)置矩陣

3）用I屬性獲取逆矩陣

print("Inverse A：", A.I)  # 用I屬性獲取逆矩陣

4）用NumPy數(shù)組進(jìn)行創(chuàng)建矩陣

B = np.mat(np.arange(9).reshape(3, 3))
print("Creation from array:", B)#使用NumPy數(shù)組進(jìn)行創(chuàng)建

上述運(yùn)行結(jié)果：

Creation from string:
[[1 2 3]
[4 5 6]
[7 8 9]]
transpose A：
[[1 4 7]
[2 5 8]
[3 6 9]]
Inverse A：
[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]
[-6.30503948e+15 1.26100790e+16 -6.30503948e+15]
[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]]
Creation from array:
[[0 1 2]
[3 4 5]
[6 7 8]]

二、從已有矩陣創(chuàng)建新矩陣

希望利用一些已有的較小的矩陣來(lái)創(chuàng)建一個(gè)新的大矩陣。這可以用 bmat 函數(shù)來(lái)實(shí)現(xiàn)。這里的 b 表示“分塊”， bmat 即分塊矩陣（block matrix）。

1)先創(chuàng)建一個(gè)3*3的單位矩陣：

C = np.eye(3)
print("C:",C)

運(yùn)行結(jié)果：

C:
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]

2)創(chuàng)建一個(gè)與C同型的矩陣，乘以2

D = 2 * C
print ("D:",D)

運(yùn)行結(jié)果：

D:
[[2. 0. 0.]
[0. 2. 0.]
[0. 0. 2.]]

3）使用字符串創(chuàng)建復(fù)合矩陣：

字符串的格式與 mat 函數(shù)中一致，只是在這里你可以用矩陣變量名代替數(shù)字：

print("Compound matrix\n", np.bmat("C D;C D"))

運(yùn)行結(jié)果：

Compound matrix:
[[1. 0. 0. 2. 0. 0.]
[0. 1. 0. 0. 2. 0.]
[0. 0. 1. 0. 0. 2.]
[1. 0. 0. 2. 0. 0.]
[0. 1. 0. 0. 2. 0.]
[0. 0. 1. 0. 0. 2.]]

三、通用函數(shù)

通用函數(shù)的輸入是一組標(biāo)量，輸出也是一組標(biāo)量，它們通常可以對(duì)應(yīng)于基本數(shù)學(xué)運(yùn)算，如加、減、乘、除等。

1、使用NumPy中的 frompyfunc 函數(shù)，通過(guò)一個(gè)Python函數(shù)來(lái)創(chuàng)建通用函數(shù)，步驟如下：

1）定義一個(gè)回答某個(gè)問(wèn)題的Python函數(shù)

2）用 zeros_like 函數(shù)創(chuàng)建一個(gè)和 a 形狀相同，并且元素全部為0的數(shù)組 result

3）將剛生成的數(shù)組中的所有元素設(shè)置其值為42

2、在 add 上調(diào)用通用函數(shù)的方法

通用函數(shù)并非真正的函數(shù)，而是能夠表示函數(shù)的對(duì)象。通用函數(shù)有四個(gè)方法，不過(guò)這些方法只對(duì)輸入兩個(gè)參數(shù)、輸出一個(gè)參數(shù)的ufunc對(duì)象有效，例如 add 函數(shù)。

其他不符合條件的ufunc對(duì)象調(diào)用這些方法時(shí)將拋出 ValueError 異常。因此只能在二元通用函數(shù)上調(diào)用這些方法。以下將逐一介紹這4個(gè)方法：

reduce()、accumulate()、 reduceat（）、outer()

1) 沿著指定的軸，在連續(xù)的數(shù)組元素之間遞歸調(diào)用通用函數(shù)，即可得到輸入數(shù)組的規(guī)約（reduce）計(jì)算結(jié)果。

對(duì)于 add 函數(shù)，其對(duì)數(shù)組的reduce計(jì)算結(jié)果等價(jià)于對(duì)數(shù)組元素求和。調(diào)用reduce 方法：

a = np.arange(9)
print("Reduce:", np.add.reduce(a)) #調(diào)用add函數(shù)的reduce方法

運(yùn)行結(jié)果：

Reduce 36

2） accumulate 方法同樣可以遞歸作用于輸入數(shù)組

在 add 函數(shù)上調(diào)用 accumulate 方法，等價(jià)于直接調(diào)用 cumsum 函數(shù)。在 add 函數(shù)上調(diào)用 accumulate 方法：

print( "Accumulate", np.add.accumulate(a)) #調(diào)用add函數(shù)的accumulate方法

運(yùn)行結(jié)果：

Accumulate [ 0 1 3 6 10 15 21 28 36]

3）educeat 方法需要輸入一個(gè)數(shù)組以及一個(gè)索引值列表作為參數(shù)。

print ("Reduceat", np.add.reduceat(a, [0, 5, 2, 7]))

educeat 方法的作用是，在數(shù)列a中，分別計(jì)算索引間的累加，比如上述的 [0, 5, 2, 7]，分別計(jì)算索引0-5，5-2（5>2，所以直接取索引為5的數(shù)據(jù)），2-7，7-（-1）等四組序列形成的

比如，0-5就是計(jì)算A-E列中的數(shù)據(jù)，結(jié)果為10；5-2，直接取索引為5，即F的數(shù)據(jù)5；2-7，即B-G的計(jì)算結(jié)果為20；7-（-1）即索引7到最后，也即H、I的計(jì)算結(jié)果為15。

4）outer 方法

返回一個(gè)數(shù)組，它的秩（rank）等于兩個(gè)輸入數(shù)組的秩的和。它會(huì)作用于兩個(gè)輸入數(shù)組之間存在的所有元素對(duì)。在 add 函數(shù)上調(diào)用 outer 方法：

print("Outer:\n", np.add.outer(np.arange(3), a))

運(yùn)行結(jié)果：

Outer:
[[ 0 1 2 3 4 5 6 7 8]
[ 1 2 3 4 5 6 7 8 9]
[ 2 3 4 5 6 7 8 9 10]]

四、算術(shù)運(yùn)算

在NumPy中，基本算術(shù)運(yùn)算符+、-和 * 隱式關(guān)聯(lián)著通用函數(shù) add 、 subtract 和 multiply ，對(duì)NumPy數(shù)組使用這些算術(shù)運(yùn)算符時(shí)，對(duì)應(yīng)的通用函數(shù)將自動(dòng)被調(diào)用。除法包含

的過(guò)程則較為復(fù)雜，在數(shù)組的除法運(yùn)算中涉及

三個(gè)通用函數(shù) divide 、 true_divide 和floor_division ，以及兩個(gè)對(duì)應(yīng)的運(yùn)算符 / 和 // 。

1、除法運(yùn)算：

import numpy as np

a = np.array([2, 6, 5])
b = np.array([1, 2, 3])

print("Divide:\n", np.divide(a, b), np.divide(b, a))

除了divide()函數(shù)外，還有floor_divide()，以及運(yùn)算符‘/’和‘//’,（‘/’和‘//’分別和divide和floor_divide作用一樣）如下代碼:

import numpy as np

a = np.array([2, 6, 5])
b = np.array([1, 2, 3])

print("Divide:\n", np.divide(a, b), np.divide(b, a))
print("True Divide:\n", np.true_divide(a, b), np.true_divide(b, a))#回除法的浮點(diǎn)數(shù)結(jié)果而不作截?cái)?

print("Floor Divide:\n", np.floor_divide(a, b), np.floor_divide(b, a))  #返回整數(shù)結(jié)果
c = 3.14*b
print("Floor Divide2:\n", np.floor_divide(c, b), np.floor_divide(b, c)) #返回整數(shù)結(jié)果

print( "/ operator:\n", a/b, b/a)  # "/"運(yùn)算符相當(dāng)于調(diào)用 divide 函數(shù)

print( "http:// operator:\n", a//b, b//a) #運(yùn)算符//對(duì)應(yīng)于floor_divide 函數(shù)
print( "http:// operator2:\n", c//b, b//c)

運(yùn)行結(jié)果：

Divide:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
True Divide:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
Floor Divide:
[2 3 1] [0 0 0]
Floor Divide2:
[3. 3. 3.] [0. 0. 0.]
/ operator:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
// operator:
[2 3 1] [0 0 0]
// operator2:
[3. 3. 3.] [0. 0. 0.]

2、模運(yùn)算

計(jì)算模數(shù)或者余數(shù)，可以使用NumPy中的 mod 、 remainder 和 fmod 函數(shù)。當(dāng)然，也可以使用 % 運(yùn)算符。這些函數(shù)的主要差異在于處理負(fù)數(shù)的方式。

a = np.arange(-4, 4)
print('a:',a)
print ("Remainder", np.remainder(a, 2)) # remainder 函數(shù)逐個(gè)返回兩個(gè)數(shù)組中元素相除后的余數(shù)
print ("Mod", np.mod(a, 2))  # mod 函數(shù)與 remainder 函數(shù)的功能完全一致
print ("% operator", a % 2)  # % 操作符僅僅是 remainder 函數(shù)的簡(jiǎn)寫(xiě)

print ("Fmod", np.fmod(a, 2))# fmod 函數(shù)處理負(fù)數(shù)的方式與 remainder 、 mod 和 % 不同

運(yùn)行結(jié)果：