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。