資訊專欄INFORMATION COLUMN
安裝與使用
大型矩陣運算主要用matlab或者sage等專業的數學工具，但我這里要講講python中numpy，用來做一些日常簡單的矩陣運算！這是 numpy官方文檔，英文不太熟悉的，還有 numpy中文文檔
numpy 同時支持 python3 和 python2，在 python3 下直接pip install安裝即可，python2 的話建議用 .whl 安裝，你可以在 這里查詢 和你 python2 版本對應的 whl 文件。如果你使用 python2.7，我這里有打包好的 安裝文件
常用函數import numpy as np np.array([[1,2,3],[4,5,6]]) # 定義一個二維數組 np.mat([[1,2,3],[4,5,6]]) # 定義一個兩行三列矩陣 np.mat(list) # 列表或者數組轉 matrix(矩陣) np.tolist(matrix) # 與上面相反 np.shape(array) # 求矩陣或者數組array的維度 array.reshape(m,n) # 數組或矩陣重塑為m行n列 np.eye(m,n) # 創建m行n列單位矩陣 np.zeros([m,n],dtype) # 創建初始化為0的矩陣 # .transpose()轉置矩陣 .inv()逆矩陣 # .T轉置矩陣，.I逆矩陣舉個栗子
# python3 import numpy as np # 先創建一個長度為12的列表，，再重塑為4行3列的矩陣 list1 = [0,1,2,3,4,5,6,7,8,9,0,1] list1_to_mat = np.mat(list1) # 列表先轉成矩陣 mat1 = list1_to_mat.reshape(4,3) # 重塑 print(mat1) # 求上面矩陣的轉置矩陣和逆矩陣 mat_transpose = mat1.T mat_inv = mat1.I # 再定義一個3行4列的數組轉成矩陣，和上面矩陣相乘 array1 = np.array([[1,2,3,4],[4,5,6,7],[3,2,1,0]]) mat2 = np.mat(array1) print(mat2) print(mat2*mat1) # 或者你可以用 np.dot()以及 np.multiply()
要注意：numpy 的數組和 python 的列表是有區別的，比如：列表 list 只有一維。然后 numpy 的數組和矩陣也有區別！比如：矩陣有逆矩陣，數組是沒有逆的??！
END文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/44893.html
摘要：本章學習兩個科學運算當中最為重要的兩個模塊，一個是一個是。這種工具可用來存儲和處理大型矩陣，比自身的嵌套列表結構要高效的多該結構也可以用來表示矩陣。專為進行嚴格的數字處理而產生。可以通過函數對相應值進行打印檢驗。 本章學習兩個科學運算當中最為重要的兩個模塊，一個是 numpy,一個是 pandas。任何關于數據分析的模塊都少不了它們兩個。 一、numpy & pandas特點 NumP...
摘要：提到線性代數，又不得不吐槽國內教材了，學起來真的是實力勸退。線性代數概念較多，計劃在另一篇總結基本概念，這里僅總結線性代數里一些重要概念的程序。 提到線性代數，又不...
摘要：是什么今天開始會陸續為大家帶來數據科學常用包的基礎用法數據分析的工作涉及到大量的數值運算，一個高效方便的科學計算工具是必不可少的。 NumPy是什么？ 今天開始會陸續為大家帶來數據科學常用包的基礎用法 數據分析的工作涉及到大量的數值運算，一個高效方便的科學計算工具是必不可少的。Python語言一開始并不是設計為科學計算使用的語言，隨著越來越多的人發現Python的易用性，逐漸出現了關于...
摘要：對于機器學習而言，稀疏矩陣應用非常廣，比如在數據特征表示自然語言處理等領域。稀疏存在的問題稀疏矩陣會導致空間和時間復雜度方面的問題。通過調用函數，可以使用表示將存儲在數組中的稠密矩陣轉換為稀疏矩陣。 對于一個矩陣而言，若數值為零的元素遠遠多于非零元素的個數，且非零元素分布沒有規律時，這樣的矩陣被稱作稀疏矩陣；與之相反，若非零元素數目占據絕大多數時，這樣的矩陣被稱作稠密矩陣。 稀疏矩陣在...
閱讀 1891·2021-11-22 09:34
閱讀 3025·2021-09-28 09:35
閱讀 13430·2021-09-09 11:34
閱讀 3599·2019-08-29 16:25
閱讀 2826·2019-08-29 15:23
閱讀 2041·2019-08-28 17:55
閱讀 2431·2019-08-26 17:04
閱讀 3049·2019-08-26 12:21
