详解Python科学计算扩展库numpy中的矩阵运算(1)

首先解答上一篇文章中使用with关键字让你的Python代码更加Pythonic最后的习题,该题答案是False,原因在于内置函数sorted()的参数reverse=True时表示降序排序,而内置函数reversed()是逆序或者翻转(首尾交换),二者之间没有任何关系。

--------------------分割线-------------------

Python扩展库numpy提供了大量的矩阵运算,本文进行详细描述。

>>> import numpy as np

>>> a_list = [3, 5, 7]

# 创建矩阵

>>> a_mat = np.matrix(a_list) >>> a_mat matrix([[3, 5, 7]])

# 矩阵转置

>>> a_mat.T matrix([[3], [5], [7]])

# 矩阵形状

>>> a_mat.shape (1, 3)

# 元素个数

>>> a_mat.size 3

# 创建矩阵

>>> b_mat = np.matrix((1, 2, 3)) >>> b_mat matrix([[1, 2, 3]])

# 矩阵相乘

>>> a_mat * b_mat.T matrix([[34]])

# 元素平均值

>>> a_mat.mean() 5.0

# 所有元素之和

>>> a_mat.sum() 15

# 最大值

>>> a_mat.max() 7

# 横向最大值

>>> a_mat.max(axis=1) matrix([[7]])

# 纵向最大值

>>> a_mat.max(axis=0) matrix([[3, 5, 7]])

# 创建二维矩阵

>>> c_mat = np.matrix([[1, 5, 3], [2, 9, 6]]) >>> c_mat matrix([[1, 5, 3], [2, 9, 6]])

# 纵向排序后的元素序号

>>> c_mat.argsort(axis=0) matrix([[0, 0, 0], [1, 1, 1]], dtype=int64)

# 横向排序后的元素序号

>>> c_mat.argsort(axis=1) matrix([[0, 2, 1], [0, 2, 1]], dtype=int64)

>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 矩阵对角线元素

>>> d_mat.diagonal() matrix([[1, 5, 9]])

# 矩阵平铺

>>> d_mat.flatten() matrix([[1, 2, 3, 4, 5, 6, 7, 8, 9]])

# 特征值与特征向量

>>> np.linalg.eig([[1,1],[2,2]]) (array([ 0., 3.]), array([[-0.70710678, -0.4472136 ], [ 0.70710678, -0.89442719]]))

>>> x = np.matrix([[1,2], [3,4]])

# 逆矩阵

>>> y = np.linalg.inv(x) >>> x * y matrix([[ 1.00000000e+00, 1.11022302e-16], [ 0.00000000e+00, 1.00000000e+00]]) >>> y * x matrix([[ 1.00000000e+00, 4.44089210e-16], [ 0.00000000e+00, 1.00000000e+00]])

>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> e, v = np.linalg.eig(d_mat) >>> v*np.diag(e)*np.linalg.inv(v) matrix([[ 1., 2., 3.], [ 4., 5., 6.], [ 7., 8., 9.]])

# 协方差

>>> np.cov([1,1,1,1,1]) array(0.0) >>> x = [-2.1, -1, 4.3] >>> y = [3, 1.1, 0.12] >>> X = np.vstack((x,y))

# 协方差

>>> print(np.cov(X)) [[ 11.71 -4.286 ] [ -4.286 2.14413333]] >>> print(np.cov(x, y)) [[ 11.71 -4.286 ] [ -4.286 2.14413333]] >>> print(np.cov(x)) 11.709999999999999

# 二维矩阵

>>> x = np.matrix(np.arange(0,10).reshape(2,5)) >>> x matrix([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])

# 所有元素之和

>>> x.sum() 45

# 纵向求和

>>> x.sum(axis=0) matrix([[ 5, 7, 9, 11, 13]])

# 横向求和

>>> x.sum(axis=1) matrix([[10], [35]])

# 平均值

>>> x.mean() 4.5 >>> x.mean(axis=1) matrix([[ 2.], [ 7.]]) >>> x.mean(axis=0) matrix([[ 2.5, 3.5, 4.5, 5.5, 6.5]])

------------------分割线----------------

今日习题:表达式10 ** 2 ** 3的值是什么,原因是什么?

原文发布于微信公众号 - Python小屋(Python_xiaowu)

原文发表时间:2017-06-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CreateAMind

keras doc 7 Pooling Connceted Recurrent Embedding Activation

‘th’模式下,为形如(samples,channels, rows,cols)的4D张量

1253
来自专栏武培轩的专栏

迅雷2019秋招后台开发编程题题解

有红黑两种颜色的方块积木,红色代表正数A,黑色代表负数B。选出17块积木排成一排,使得任意相邻7块积木之和都小于0。如何挑选才能使17块积木之和最大,最大值是多...

1392
来自专栏10km的专栏

faster rcnn:assert (boxes[:, 2] >= boxes[:, 0]).all()分析塈VOC2007 xml坐标定义理解

在进行faster rcnn训练的时候,报了一个断言错误 File “/py-faster-rcnn/tools/../lib/datasets/imdb.p...

3755
来自专栏Java Web

最长公共子序列问题

问题描述: 求两个字符序列的公共最长子序列。 ---- 最长公共子串 在回到子序列问题之前,先来了解一下子串的问题。 例如,HISH和FISH两个字符序列的公...

3694
来自专栏偏前端工程师的驿站

代数几何:点,线,抛物线,圆,球,弧度和角度

一, 笛卡尔坐标系                         ? 笛卡尔坐标系是数学中的坐标系,而计算机中则采用屏幕坐标系统. ? 而三维坐标系则没有一个...

2488
来自专栏章鱼的慢慢技术路

《算法图解》第八章_贪婪算法_集合覆盖问题

4766
来自专栏专知

【干货】计算机视觉实战系列03——用Python做图像处理

【导读】专知成员Hui上一次为大家介绍Matplotlib的使用,包括绘图,绘制点和线,以及图像的轮廓和直方图,这一次为大家详细讲解Numpy工具包中的各种工具...

45710
来自专栏数据结构与算法

P1378 油滴扩展

题目描述 在一个长方形框子里,最多有N(0≤N≤6)个相异的点,在其中任何一个点上放一个很小的油滴,那么这个油滴会一直扩展,直到接触到其他油滴或者框子的边界。必...

2788
来自专栏小樱的经验随笔

容斥原理

容斥原理 对容斥原理的描述 容斥原理是一种重要的组合数学方法,可以让你求解任意大小的集合,或者计算复合事件的概率。 描述 容斥原理可以描述如下: 要计算几个...

4287
来自专栏钱塘大数据

R语言的常用函数速查

一、基本 1.数据管理 vector:向量 numeric:数值型向量 logical:逻辑型向量character;字符型向量 list:列表 data....

3159

扫码关注云+社区

领取腾讯云代金券