python之numpy(3 矩阵属性及矩阵运算)

属性

在numpy中可以显示矩阵的很多属性,如矩阵大小、元素个数、数据类型等。

python 复制代码
import numpy as np
x=np.array([
    [1,2,3,4],[1,2,3,4]
])
print(f'这个矩阵的规格为{x.shape}')
print(f'这个矩阵有{x.size}个元素')
print(f'这个矩阵的维度为{x.ndim}')
print(f'这个矩阵的数据类型为{x.dtype}')
print(f'矩阵的转置为{x.T}')

类似的属性还有很多,不再赘述。

矩阵的运算

矩阵的运算分为矩阵元素之间的运算和矩阵之间的运算,当然两者的区别在加法、减法之间是没有区别的,在乘法之间有所区别。

python 复制代码
import numpy as np
x=np.array([
    [1,2,3],[2,3,4],[3,4,5]
])
y=np.array([
    [2,3,4],[2,4,5],[2,3,2]
])
print(x*y)
print(x-y)
print(x+y)
print(x.dot(y))
print(np.dot(x,y.T))
print(np.linalg.inv(y))#逆矩阵
print(np.linalg.det(x))#行列式
print(np.linalg.matrix_rank(x))#矩阵的秩

上述代码中,x*y是对应元素之间的相乘,而矩阵之间的点乘是x.dot(y)或者是np.dot(x,y)。x.T表示x的转置。

np.linalg.inv()是求矩阵的逆,np.linalg.det()是求矩阵的行列式,np.linalg.matrix_rank是求矩阵秩。

除了矩阵之间的运算外还有一些统计运算,如求和,求平均值等。

求最值:

python 复制代码
import numpy as np
x=np.array([
    [1,2,3],[2,3,4],[3,4,5]
])
print(np.max(x))
print(np.min(x))
print(np.min(x,axis=0))
print(np.argmax(x))
print(np.argmin(x))

其中,倒数第三行中的axis=0表示每一列的最小值(axis=1表示每一行求最值),返回是一个1×3的数组。最后两行表示返回最值的索引,这个索引是一行一行排列的,从0开始。

求和:

python 复制代码
import numpy as np
x=np.array([
    [1,2,3],[2,3,4],[3,4,5]
])
print(np.sum(x,axis=0))

求均值:

python 复制代码
import numpy as np
x=np.array([
    [1,2,3],[2,3,4],[3,4,5]
])
print(np.mean(x))
m=np.average(x,weights=np.ones((3,3)))
print(m)

其中average可以求加权平均数,weights表示对x所加的权重,两者大小相同。

其他:

python 复制代码
import numpy as np
x=np.array([
    [1,2,3],[2,3,4],[3,4,5]
])
print(np.median(x))
print(np.cumsum(x))
print(np.diff(x))
print(np.nonzero(x))
print(np.sort(x))
print(np.transpose(x))
print(np.clip(x,1.4,3.5))

结果:

python 复制代码
3.0
[ 1  3  6  8 11 15 18 22 27]
[[1 1]
 [1 1]
 [1 1]]
(array([0, 0, 0, 1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2, 0, 1, 2]))
[[1 2 3]
 [2 3 4]
 [3 4 5]]
[[1 2 3]
 [2 3 4]
 [3 4 5]]
[[1.4 2.  3. ]
 [2.  3.  3.5]
 [3.  3.5 3.5]]
请按任意键继续. . .

np.median(x) 返回中位数

np.cumsum(x) 返回逐个累加后的数

np.diff(x) 返回逐差后的数

np.nonzero(x) 返回两个数组,第一个数组是非零数的横坐标位置,第二个数组是非零数组的纵坐标位置

np.sort(x) 逐行排序,从小到大排序

np.transpose(x) 矩阵转置,等效于x.T

注:如果定义的数组是x=np.array(1,2,3)那么此函数失效,如果定义的是x=np.array( \[1,2,3 ])则可以转置。对于第一种情况可以使用reshape强制改变大小。

np.clip(x,1.4,3.5) 将数组中的元素限制在指定的最小值和最大值之间。如果数组中的元素小于最小值,则会被替换为最小值;如果元素大于最大值,则会被替换为最大值;如果元素在最小值和最大值之间(包括边界值),则保持不变。

相关推荐
90后小陈老师30 分钟前
PHP 配置默认值失效排查实录:isset 兜底遇上表单空串回填,首页文案是怎么集体消失的
开发语言·php
JJJennie7771 小时前
Gemini 3.7 Flash 上线,Google 想让 AI 多干活
开发语言·javascript·ecmascript
wuyk5552 小时前
Python 第三章:列表 List
服务器·开发语言·python
笨鸟先飞,勤能补拙2 小时前
从预测到决策:人工智能与机器学习的系统方法、工程闭环与现实边界
大数据·人工智能·windows·python·机器学习·密码学
Evand J3 小时前
【MATLAB例程,车联网7】CACC网联车辆协同控制:ACC对比、V2X时延丢包与队列稳定性,附例程下载链接
开发语言·matlab·车联网
MgArcher3 小时前
抖音a_bogus参数逆向实战:JSVMP环境模拟与Hook技术(2025最新)
javascript·爬虫·python
circuitsosk3 小时前
AI输出的“质检员”:构建智能体质量评估、异常检测与人工兜底的三层防线
人工智能·python·microsoft·正则表达式·langchain
要努力点3 小时前
Python入门第六课
开发语言·python
CTA终结者3 小时前
先用小策略练清条件和动作
人工智能·python
Bruce_Liuxiaowei4 小时前
从零到可运行:基于 Vue3 + FastAPI + DeepSeek-V3 的 AI 英语单词学习系统全栈实战
人工智能·python·学习·fastapi·全栈·智能体