python

矩陣運算

第一次看見

Python

的運行感覺就讓我想起了

matlab，

于是就上網嗖嗖他在矩陣方面的運算

如何，如果不想安裝

Matlab

那么大的軟件，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

NumPy

包完成了對

N-維數組的快速便捷操作。使用這個包，需要導入

numpy。

SciPy

包以

NumPy

包為基礎，大大的擴展了

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，因此只要導入了

scipy，不必在單獨導入

numpy

了！但是為了明確哪些是

numpy

中實現的，哪些是

scipy

中實現的，本文還是進行了區分。

以下默認已經：import

numpy

as

np

以及

impor

scipy

as

sp

下面簡要介紹

Python

和

MATLAB

處理數學問題的幾個不同點。1.MATLAB

的基本是矩陣，而

numpy

的基本類型是多為數組，

把

matrix

看做是

array

的子類。

2.MATLAB

的索引從

1

開始，

而

numpy

從

0

開始。

1.建立矩陣

a1=np.array([1,2,3],dtype=int)

#建立一個一維數組，數據類型是

int。也可以不指

定數據類型，使用默認。幾乎所有的數組建立函數都可以指定數據類型，即

dtype

的取值。

a2=np.array([[1,2,3],[2,3,4]])

#建立一個二維數組。

此處和

MATLAB

的二維數組

(矩

陣)的建立有很大差別。

同樣，numpy

中也有很多內置的特殊矩陣：

b1=np.zeros((2,3))

#生成一個

2

行

3

列的全

0

矩陣。

注意，

參數是一個

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

1

矩陣。empty()建立一個空矩陣，使用內存中的隨機值來填充這個矩陣。

b2=identity(n)

#建立

n*n

的單位陣，這只能是一個方陣。

b3=eye(N,M=None,k=0)

#建立一個對角線是

1

其余值為

0

的矩陣，用

k

指定對角線的

位置。M

默認

None。

此外，numpy

中還提供了幾個

like

函數，即按照某一個已知的數組的規模(幾行幾列)建

立同樣規模的特殊數組。這樣的函數有

zeros_like()、empty_like()、ones_like()，它們

的參數均為如此形式：zeros_like(a,dtype=)，其中，a

是一個已知的數組。

c1=np.arange(2,3,0.1)

#起點，終點，步長值。含起點值，不含終點值。

總結

以上是生活随笔為你收集整理的python矩阵计算_PYTHON 矩阵运算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。