Python numpy - 数组与矩阵的运算

这篇具有很好参考价值的文章主要介绍了Python numpy - 数组与矩阵的运算。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

 数组array

一 数组的函数

unique函数

 sum函数

 max函数

二 数组的加减

三 数组的乘除

 矩阵matrix

一 矩阵的生成

二 矩阵的加减

三  矩阵的乘法


 数组array

创建数组a和b用来运算(至少两个)

import numpy as np
a = np.random.randint(10,size=20).reshape(4,5)
b = np.random.randint(10,size=20).reshape(4,5)

Python numpy - 数组与矩阵的运算

一 数组的函数

数组常用函数
函数 作用
unique() 求数组里的唯一值,输出从小到大排列
sum() 对数组整体/行/列求和
max() 输出数组元素中的最大值

补充函数

Python numpy - 数组与矩阵的运算

unique函数

---返回所有唯一值

数组a里的唯一值并排列

np.uinque(a)

Python numpy - 数组与矩阵的运算

 sum函数

---对数组的每列求和 sum()

sum(a)

---具体到数组的某一行 求和,用 [ ] 

求第一行(一样是从0开始计数)

sum(a[0])

 Python numpy - 数组与矩阵的运算

 ---具体到数组的某一列 求和

 注:冒号表示整体,[0,:]代表在第0行的所有列上的元素,[:,0]表示在所有行上第一列的元素

对数组的第一列求和

sum(a[:,0])

 Python numpy - 数组与矩阵的运算

 max函数

如求数组a的最大值

a.max()

Python numpy - 数组与矩阵的运算

二 数组的加减

--- 对应位置相加(减)

Python numpy - 数组与矩阵的运算

三 数组的乘除

--- 对应位置元素的乘积

Python numpy - 数组与矩阵的运算

 --- 对应位置元素的除法

注 b中有元素为0,所以会有报错,有0的位置结果会显示为inf

Python numpy - 数组与矩阵的运算

 矩阵matrix

一 矩阵的生成

---通过mat函数 生成

输入直接数组 或历史生成的数组a

import numpy as np
np.mat([1,2,3],[4,5,6])

Python numpy - 数组与矩阵的运算

---把数组转化为矩阵

数组a b 转化为矩阵A B        

import numpy as np
A=np.mat(a)
B=np.mat(b)

二 矩阵的加减

Python numpy - 数组与矩阵的运算

三  矩阵的乘法

直接写A*B会报错,复习线代  A*B要求---A的列数=B的行数

---先重新生成列数与行数对应的A B矩阵,再A*B

import numpy as np
A=np.mat(np.random.randint(10,size=20).reshape(5,4))
B=np.mat(np.random.randint(10,size=20).reshape(4,6))

Python numpy - 数组与矩阵的运算文章来源地址https://www.toymoban.com/news/detail-504587.html

到了这里,关于Python numpy - 数组与矩阵的运算的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Python 零基础入门】Numpy 常用函数 数组操作 & 数学运算

    Numpy (Numerical Python) 是 Python 编程语言的一个扩展程序库, 支持大量的维度数组与矩阵运算, 并提供了大量的数学函数库. Numpy 利用了多线程数组来存储和处理大型数据集, 从而提供了一个高效的方式来进行数值计算, 特别是对于矩阵预算和线性代数. np.assarray 可以将输入转换为

    2024年02月05日
    浏览(39)
  • Python中范数计算以及numpy矩阵的运算

    1.1 定义: ​ 范数(norm)是数学中的一种基本概念。在泛函分析中,它定义在赋范线性空间中,并满足一定的条件,即①非负性;②齐次性;③三角不等式。它常常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。 ​ 最常见的范数就是p范数。若 x = [ x 1 , x 2 .

    2023年04月09日
    浏览(28)
  • 【Python爬虫与数据分析】NumPy进阶——数组操作与运算

    目录 一、NumPy数组操作 1. ndarray更改形状 2. ndarray转置 3. ndarray组合 4. ndarray拆分 5. ndarray排序 二、NumPy数组运算 1. 基本运算 2. 逻辑函数 3. 数学函数 三、日期时间的表示和间隔 1. 日期时间的表示——datetime64 2. 日期时间的计算——timedelta64 3. datetime64与datetime的转换 在对数组进

    2024年02月15日
    浏览(31)
  • Python_Numpy库中各种矩阵基本运算(加、减、乘、点乘、点除、乘方、转置等)

    Numpy中矩阵基本运算的实现。 示例代码如下: 运行结果如下: 示例代码如下: 运行结果如下: 示例代码如下: 运行结果如下: 示例代码如下: 运行结果如下: 示例代码如下: 运行结果如下: 实现元素乘法有两种方法,一是用乘号,二是用函数multiply()。 下面的示例代码

    2024年01月25日
    浏览(26)
  • numpy 邻接矩阵转稀疏矩阵 array to scipy csr_matrix

    也就是说,一个dense的numpy矩阵,如何转换成scipy包里面的sparse的csr矩阵看代码: 输出: print(csr_a.toarray()) print(csr_a.tocoo())

    2024年02月12日
    浏览(39)
  • 检查两个数组在维度,形状以及元素值上是否均等价 numpy.array_equiv()

    【小白从小学Python、C、Java】 【计算机等级考试+500强双证书】 【Python-数据分析】 检查两个数组在维度,形状 以及元素值上是否均等价 numpy.array_equiv() [太阳]选择题 请问以下代码中执行语句输出结果依次是? import numpy as np a = np.array([1, 2]) b = np.array([1, 2]) c = np.array([1, 3]) d =

    2024年02月07日
    浏览(36)
  • Numpy数组和矩阵

    1.numpy 主要用于高维的数组运算,拥有运算速度快的 数学库 ;Numpy 支持常见的数组和矩阵操作 。Numpy 使用ndarray对象来处理多维数组 ,该对象是一个快速而灵活的大数据容器。 安装 windows: 升级 pip: 安装 Numpy库:(Ubuntu一样) 下载完成后可以在Python文件中 来测试是否安装成

    2023年04月08日
    浏览(48)
  • Python中Numpy的np.array详解

    np.array 用于创建一个新的NumPy数组对象。其语法如下: object :任何可用于初始化新数组的对象,例如列表、元组、数组等。 dtype :新数组的数据类型。如果未指定,则会从输入对象中推断数据类型。 其他参数允许进一步控制新数组的创建。 返回一个新的NumPy数组。 示例

    2024年02月08日
    浏览(38)
  • 3、Numpy数组操作---第5节矩阵转置

    本节内容紧接上一篇内容,同属于数组操作的章节。 1、numpy中的数组其实就是线性代数中的矩阵。矩阵是可以进行转置的。ndarray有一个T属性,可以返回这个数组的转置的结果。示例代码如下: 2、另外还有一个方法叫做transpose, 这个方法返回的是一个View,也即修改返回值,

    2024年02月11日
    浏览(39)
  • OpenCV各模块函数使用实例(11)--- 矩阵和数组操作(Operations on arrays)

    OpenCV各模块函数使用实例(11) M、 矩阵和数组操作( Operations on arrays ) 本节描述矩阵的基本操作,这些操作是图像处理和其他数组算法实现的基本操作,包括矩阵的运算,特征值和特征向量,范数和逆矩阵,高阶多项式的根等数学运算。矩阵运算包括点积,叉积,卷积,滤

    2024年02月03日
    浏览(27)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包