前面介紹過用dnarray來模擬，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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
>>> m= np.mat([1,2,3]) #創建矩陣>>> mmatrix([[1, 2, 3]])>>> m[0] #取一行matrix([[1, 2, 3]])>>> m[0,1] #第一行，第2個數據2>>> m[0][1] #注意不能像數組那樣取值了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的列表轉換成NumPy的矩陣>>> list=[1,2,3]>>> mat(list)matrix([[1, 2, 3]])#Numpy dnarray轉換成Numpy矩陣>>> n = np.array([1,2,3])>>> narray([1, 2, 3])>>> np.mat(n)matrix([[1, 2, 3]])#排序>>> m=np.mat([[2,5,1],[4,6,2]]) #創建2行3列矩陣>>> mmatrix([[2, 5, 1], [4, 6, 2]])>>> m.sort() #對每一行進行排序>>> mmatrix([[1, 2, 5], [2, 4, 6]])>>> m.shape #獲得矩陣的行列數(2, 3)>>> m.shape[0] #獲得矩陣的行數2>>> m.shape[1] #獲得矩陣的列數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個元素，注意左閉右開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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
>>> a = np.mat([[1,2,3], [2,3,4]])>>> b = np.mat([[1,2], [3,4], [5,6]])>>> amatrix([[1, 2, 3], [2, 3, 4]])>>> bmatrix([[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]]) |
點乘，只剩下multiply方法了。
|
1
2
3
4
5
|
>>> a = np.mat([[1,2], [3,4]])>>> b = np.mat([[2,2], [3,3]])>>> np.multiply(a, b)matrix([[ 2, 4], [ 9, 12]]) |
矩陣轉置
轉置有兩種方法：
|
1
2
3
4
5
6
7
8
9
|
>>> amatrix([[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中求逆還有一種簡便方法（ndarray中不行）：
|
1
2
3
4
5
6
|
>>> amatrix([[1, 2], [3, 4]])>>> a.Imatrix([[-2. , 1. ], [ 1.5, -0.5]]) |
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服務器之家。
原文鏈接：https://www.cnblogs.com/lfri/p/10561914.html
