numpy之矩陣運算相關

矩陣運算

兩種存儲方式

>>> test#用數組存儲
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])
>>> type(test)
<class 'numpy.ndarray'>
>>> np.mat(test)#用矩陣存儲
matrix([[ 1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10]])
>>> test_mat=np.mat(test)
>>> test_mat
matrix([[ 1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10]])
>>> type(test_mat)
<class 'numpy.matrix'>

常見創建矩陣方式

data1=mat(zeros((3,3)));
#創建一個3*3的零矩陣，矩陣這裏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));
#這裏的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));
#生成一個對角線爲1、2、3的對角矩陣

乘法運算
1.形狀（m,n)x(n,l)=(m,l)
2.運算規則（主要看下面的例子理解）

乘法api：
np.matmul( , )
np.dot( , )
作爲矩陣可以直接用運算符號

>>> test1=np.array([[2,2],[2,2],[2,2],[2,2],[2,2]])
>>> test1
array([[2, 2],
       [2, 2],
       [2, 2],
       [2, 2],
       [2, 2]])
>>> np.matmul(test,test1)
array([[30, 30],
       [80, 80]])
>>> np.dot(test,test1)
array([[30, 30],
       [80, 80]])
>>> test1_mat=np.mat(test1)
>>> test_mat*test1_mat#兩個矩陣直接運算
matrix([[30, 30],
        [80, 80]])
>>> 

其它的運算方法可以自己查一下
或者可以用數組的運算方法，可以看前幾篇文章。