numpy 矩阵相关函数

我们 知道，矩阵在python里面用的不少，所以记载下关于矩阵的操作

numpy.zeros():可以用来构造全零矩阵

1. >>> zeros(3)
2. array([ 0.,  0.,  0.])
3. >>> zeros((3,3))
4. array([[ 0.,  0.,  0.],
5. [ 0.,  0.,  0.],
6. [ 0.,  0.,  0.]])

numpy.ones(): 可以用来构造全一矩阵

1. >>> ones((3,3))
2. array([[ 1.,  1.,  1.],
3. [ 1.,  1.,  1.],
4. [ 1.,  1.,  1.]])

numpy.eyes(): 可以用来构造单位矩阵

[plain] view
plain copy

1. >>> eye(3)
2. array([[ 1.,  0.,  0.],
3. [ 0.,  1.,  0.],
4. [ 0.,  0.,  1.]])

shape 用法 配合使用

shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

举例说明：

建立一个3×3的单位矩阵e, e.shape为（3，3），表示3行3列,第一维的长度为3，第二维的长度也为3

1. >>> e = eye(3)
2. >>> e
3. array([[ 1.,  0.,  0.],
4. [ 0.,  1.,  0.],
5. [ 0.,  0.,  1.]])
6. >>> e.shape
7. (3, 3)

1. >>> e = eye(3)
2. >>> e
3. array([[ 1.,  0.,  0.],
4. [ 0.,  1.,  0.],
5. [ 0.,  0.,  1.]])
6. >>> e.shape
7. (3, 3)

建立一个一维矩阵b, b.shape 为矩阵的长度

1. >>> b =array([1,2,3,4])
2. >>> b.shape
3. (4,)
4. #可以简写
5. >>> shape([1,2,3,4])
6. (4,)
7. >>>

1. >>> b =array([1,2,3,4])
2. >>> b.shape
3. (4,)
4. #可以简写
5. >>> shape([1,2,3,4])
6. (4,)
7. >>>

建立一个4×2的矩阵c, c.shape[0] 为第一维的长度，c.shape[1] 为第二维的长度。

1. >>> c = array([[1,1],[1,2],[1,3],[1,4]])
2. >>> c.shape
3. (4, 2)
4. >>> c.shape[0]
5. 4
6. >>> c.shape[1]
7. 2

1. >>> c = array([[1,1],[1,2],[1,3],[1,4]])
2. >>> c.shape
3. (4, 2)
4. >>> c.shape[0]
5. 4
6. >>> c.shape[1]
7. 2

一个单独的数值，返回值为空

1. >>> shape(3)
2. ()

1. >>> shape(3)
2. ()

矩阵的乘法：

Python 中的几种矩阵乘法 np.dot, np.multiply, *

使用array时，运算符 * 用于计算数量积(点乘)，函数 dot() 用于计算矢量积(叉乘).

使用matrix时，运算符 * 用于计算矢量积，函数 multiply() 用于计算数量积.

下面是使用array时：

1. 同线性代数中矩阵乘法的定义： np.dot()

np.dot(A, B)：对于二维矩阵，计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。对于一维矩阵，计算两者的内积。

2. 对应元素相乘 element-wise product: np.multiply(), 或 *

在Python中，实现对应元素相乘，有2种方式，一个是np.multiply()，另外一个是*。这两种的效果是一样的。

请看代码：

 1 #!/usr/bin/env python3
 2 # -*- coding: utf-8
 3
 4 import numpy as np
 5
 6 X = np.array([[1,2],[3,4]])
 7 Y = np.array([[5,6],[7,8]])
 8
 9 a1 = np.dot(X,Y)
10 print('np.dot(X,Y)=\n',a1)
11
12 a2 = np.multiply(X,Y)
13 print('np.multiply(X,Y)=\n',a2)

运行结果：

1 2 3 4 5 6 7 8 9

np.dot(X,Y)=  [[19 22]  [43 50]] np.multiply(X,Y)=  [[ 5 12]  [21 32]] X*Y=  [[ 5 12]  [21 32]]

转载自：http://blog.csdn.net/xingchengmeng/article/details/64442935

http://blog.csdn.net/u010758410/article/details/71554224

http://www.cnblogs.com/baibaibaiyou/p/7892437.html