看MATLAB的書籍看到使用矩陣運算可以在一定程度上提高軟件的執行效率，我又想到了Python，想到了numpy。且不管兩個是否一樣能夠加速軟件的執行速度，學習一點基礎的numpy似乎是很有必要了。

引用numpy庫

>>> import numpy as np

創建一維矩陣，從下面的代碼以及運行結果中可以看出，創建矩陣的時候使用列表和元組作用相同。

>>> a = np.array([1,2,3,4])

>>> a

array([1, 2, 3, 4])

>>> b = np.array((1,2,3,4))

>>> b

array([1, 2, 3, 4])

查看矩陣的數據類型

>>> a.dtype

dtype(‘int64')

創建多維矩陣，從下面的代碼以及運行結果可以看出，array函數的參數最多只能有2個同類型參數。創建多維矩陣，元素可以放進一個列表中，不同的矩陣行存儲到列表的元素中。

>>> c = np.array([1,2,3,4],[4,5,6,7],[7,8,9,10])

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

ValueError: only 2 non-keyWord arguments accepted

>>> c = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])

>>> c

array([[ 1,  2,  3,  4],

       [ 4,  5,  6,  7],

       [ 7,  8,  9, 10]])

查看矩陣的維度

>>> a.shape

(4,)

>>> c.shape

(3, 4)

修改矩陣維度

>>> d = c.reshape((6,2))

>>> d

array([[ 1,  2],

       [ 3,  4],

       [ 4,  5],

       [ 6,  7],

       [ 7,  8],

       [ 9, 10]])

>>> d = c.reshape(4,3)

>>> d

array([[ 1,  2,  3],

       [ 4,  4,  5],

       [ 6,  7,  7],

       [ 8,  9, 10]])

根據已有的矩陣創建新矩陣，同時制定元素的數據類型，分別使用缺省參數和指明參數兩種方式

>>> b = np.array(a,float)

>>> b

array([ 1.,  2.,  3.,  4.])

>>> b = np.array(a,dtype = np.complex)

>>> b

array([ 1.+0.j,  2.+0.j,  3.+0.j,  4.+0.j])