
Python矩陣常見運算操作實例總結
本文實例講述了Python矩陣常見運算操作。分享給大家供大家參考,具體如下:
python的numpy庫提供矩陣運算的功能,因此我們在需要矩陣運算的時候,需要導入numpy的包。
一.numpy的導入和使用
from numpy import *;#導入numpy的庫函數
import numpy as np; #這個方式使用numpy的函數時,需要以np.開頭。
二.矩陣的創建
由一維或二維數據創建矩陣
from numpy import *;
a1=array([1,2,3]);
a1=mat(a1);
創建常見的矩陣
data1=mat(zeros((3,3)));
#創建一個3*3的零矩陣,矩陣這里zeros函數的參數是一個tuple類型(3,3)
data2=mat(ones((2,4)));
#創建一個2*4的1矩陣,默認是浮點型的數據,如果需要時int類型,可以使用dtype=int
data3=mat(random.rand(2,2));
#這里的random模塊使用的是numpy中的random模塊,random.rand(2,2)創建的是一個二維數組,需要將其轉換成#matrix
data4=mat(random.randint(10,size=(3,3)));
#生成一個3*3的0-10之間的隨機整數矩陣,如果需要指定下界則可以多加一個參數
data5=mat(random.randint(2,8,size=(2,5));
#產生一個2-8之間的隨機整數矩陣
data6=mat(eye(2,2,dtype=int));
#產生一個2*2的對角矩陣
a1=[1,2,3];
a2=mat(diag(a1));
#生成一個對角線為1、2、3的對角矩陣
三.常見的矩陣運算
1. 矩陣相乘
a1=mat([1,2]);
a2=mat([[1],[2]]);
a3=a1*a2;
#1*2的矩陣乘以2*1的矩陣,得到1*1的矩陣
2. 矩陣點乘
矩陣對應元素相乘
a1=mat([1,1]);
a2=mat([2,2]);
a3=multiply(a1,a2);
矩陣點乘
a1=mat([2,2]);
a2=a1*2;
3.矩陣求逆,轉置
矩陣求逆
a1=mat(eye(2,2)*0.5);
a2=a1.I;
#求矩陣matrix([[0.5,0],[0,0.5]])的逆矩陣
矩陣轉置
a1=mat([[1,1],[0,0]]);
a2=a1.T;
4.計算矩陣對應行列的最大、最小值、和。
a1=mat([[1,1],[2,3],[4,2]]);
計算每一列、行的和
a2=a1.sum(axis=0);//列和,這里得到的是1*2的矩陣
a3=a1.sum(axis=1);//行和,這里得到的是3*1的矩陣
a4=sum(a1[1,:]);//計算第一行所有列的和,這里得到的是一個數值
計算最大、最小值和索引
a1.max();//計算a1矩陣中所有元素的最大值,這里得到的結果是一個數值
a2=max(a1[:,1]);//計算第二列的最大值,這里得到的是一個1*1的矩陣
a1[1,:].max();//計算第二行的最大值,這里得到的是一個一個數值
np.max(a1,0);//計算所有列的最大值,這里使用的是numpy中的max函數
np.max(a1,1);//計算所有行的最大值,這里得到是一個矩陣
np.argmax(a1,0);//計算所有列的最大值對應在該列中的索引
np.argmax(a1[1,:]);//計算第二行中最大值對應在改行的索引
5.矩陣的分隔和合并
矩陣的分隔,同列表和數組的分隔一致。
a=mat(ones((3,3)));
b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素
矩陣的合并
a=mat(ones((2,2)));
b=mat(eye(2));
c=vstack((a,b));//按列合并,即增加行數
d=hstack((a,b));//按行合并,即行數不變,擴展列數
四.矩陣、列表、數組的轉換
列表可以修改,并且列表中元素可以使不同類型的數據,如下:
l1=[[1],'hello',3];
numpy中數組,同一個數組中所有元素必須為同一個類型,有幾個常見的屬性:
a=array([[2],[1]]);
dimension=a.ndim;
m,n=a.shape;
number=a.size;//元素總個數
str=a.dtype;//元素的類型
numpy中的矩陣也有與數組常見的幾個屬性。
它們之間的轉換:
a1=[[1,2],[3,2],[5,2]];//列表
a2=array(a1);//將列表轉換成二維數組
a3=array(a1);//將列表轉化成矩陣
a4=array(a3);//將矩陣轉換成數組
a5=a3.tolist();//將矩陣轉換成列表
a6=a2.tolist();//將數組轉換成列表
這里可以發現三者之間的轉換是非常簡單的,這里需要注意的是,當列表是一維的時候,將它轉換成數組和矩陣后,再通過tolist()轉換成列表是不相同的,需要做一些小小的修改。如下:
a1=[1,2,3];
a2=array(a1);
a3=mat(a1);
a4=a2.tolist();//這里得到的是[1,2,3]
a5=a3.tolist();//這里得到的是[[1,2,3]]
a6=(a4 == a5);//a6=False
a7=(a4 is a5[0]);//a7=True,a5[0]=[1,2,3]
矩陣轉換成數值,存在以下一種情況:
dataMat=mat([1]);
val=dataMat[0,0];//這個時候獲取的就是矩陣的元素的數值,而不再是矩陣的類型
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA數據分析師證書考試體系(更新于2025年05月22日)
2025-05-26解碼數據基因:從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化,你是否會聯想到背后的銷售數據波動?三年前在零售行 ...
2025-05-23在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25