numpy是用于處理矩陣運算非常好的工具。執行效率高，因為其底層是用的是C語句

使用numpy,需要將數據轉換成numpy能識別的矩陣格式。

基本用法:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

名稱描述

object數組或嵌套的數列

dtype數組元素的數據類型，可選，例如：int64,int16,int32,float64等，位數越高，精度越高，但也更耗內存。

copy對象是否需要復制，可選

order創建數組的樣式，C為行方向，F為列方向，A為任意方向(默認)

subok默認返回一個與基類類型一致的數組

ndmin指定生成數組的最小維度。幾維數組，默認0維數組

創建numpy矩陣的其他形式

np.zeros((3,4)):創建3行4列值都為0矩陣

np.ones((3,4)):創建3行4列值都為1矩陣

np.random.random((3,4)):創建3行4列值為0~1隨機數

np.arange(1,20,5).shape(3,4):創建3行4列維數組，數值從1到20，步長為5

np.arange(5) : 創建1維數組，數值從0至4

np.empty((3，4))：創建3行4列值為空的矩陣

np.linspace(1,10,10)：創建1維數組，開始點為 1 ，終止點為 10，數列個數為 10。即元素共10個.[1,2,3,4,5,6,7,8,9.10]

np.sin(a),即計算該矩陣值的sin結果

np.cos(a)

np.tan(a)

arcsin，arccos，和 arctan 函數返回給定角度的 sin，cos 和 tan 的反三角函數。

矩陣a,矩陣b

a+b，代表逐一加法

a/b，代表逐一除法

a-b，代表逐一減法

a*b，代表逐一乘積

np.dot(a,b),a.dot(b)則代表矩陣乘法

np.argmin(a),最小值的索引

np.argmax(a),最大值的索引

mean[a]平均值

A.mean平均值，只是表達形式不一樣，與老版的average是一樣的功能

median(A),中位數，與平均值一樣的數

cumsum(A),第兩位數的累加，變成一個一維數組

diff(A),每兩個數進行減法，按行，原行-1

notzero(A)，返回兩個arrage，表示不為0的索引值

sort(A),按行從小到大排序

transpose(A),矩陣的反向、向轉等同于A.T，

clip(A,3,9),所有小于3的值，變成3，所有大于9的值，變成9

索引

A[1]第一行

A[1][1]第1行第1列

A[1,1]第1行第1列，與上面一樣只是表達形式不一樣

A[2,:]第2行所有的數據

A[:,2]第2列所有的數據

A[1,1:2]第1行，從第1列到第2列的數據

遍歷

for row in A:

print row

默認迭代行數顯示行。

np沒有提供按列迭代，需要用些手段，例如將矩陣進行反轉遍歷即可實現

for column in A.T:

print colum

如果要迭代其項目，則A需要轉換成一行序列

for item in A.flag:

print item

另注意A.flatten()返回的也是一個序列，與flag類似。功能一樣

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持python博客。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的python的常见矩阵除法_Python numpy矩阵处理运算工具用法汇总的全部內容，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。