NumPy是一個關于矩陣運算的庫,熟悉Matlab的都應該清楚,這個庫就是讓python能夠進行矩陣話的操作,而不用去寫循環操作。
下面對numpy中的操作進行總結。
numpy包含兩種基本的數據類型:數組和矩陣。
數組(Arrays)
>>> from numpy import *>>> a1=array([1,1,1]) #定義一個數組>>> a2=array([2,2,2])>>> a1+a2 #對于元素相加array([3, 3, 3])>>> a1*2 #乘一個數array([2, 2, 2])##>>> a1=array([1,2,3])>>> a1array([1, 2, 3])>>> a1**3 #表示對數組中的每個數做平方array([ 1, 8, 27])##取值,注意的是它是以0為開始坐標,不matlab不同>>> a1[1]2##定義多維數組>>> a3=array([[1,2,3],[4,5,6]])>>> a3array([[1, 2, 3], [4, 5, 6]])>>> a3[0] #取出第一行的數據array([1, 2, 3])>>> a3[0,0] #第一行第一個數據1>>> a3[0][0] #也可用這種方式1##數組點乘,相當于matlab點乘操作>>> a1=array([1,2,3])>>> a2=array([4,5,6])>>> a1*a2array([ 4, 10, 18])
Numpy有許多的創建數組的函數:
import numpy as npa = np.zeros((2,2)) # Create an array of all zerosprint a # Prints "[[ 0. 0.] # [ 0. 0.]]"b = np.ones((1,2)) # Create an array of all onesprint b # Prints "[[ 1. 1.]]"c = np.full((2,2), 7) # Create a constant arrayprint c # Prints "[[ 7. 7.] # [ 7. 7.]]"d = np.eye(2) # Create a 2x2 identity matrixprint d # Prints "[[ 1. 0.] # [ 0. 1.]]"e = np.random.random((2,2)) # Create an array filled with random valuesprint e # Might print "[[ 0.91940167 0.08143941] # [ 0.68744134 0.87236687]]"
數組索引(Array indexing)
矩陣
矩陣的操作與Matlab語言有很多的相關性。
#創建矩陣>>> m=mat([1,2,3])>>> mmatrix([[1, 2, 3]])#取值>>> m[0] #取一行matrix([[1, 2, 3]])>>> m[0,1] #第一行,第2個數據2>>> m[0][1] #注意不能像數組那樣取值了Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__ out = N.ndarray.__getitem__(self, index)IndexError: index 1 is out of bounds for axis 0 with size 1#將Python的列表轉換成NumPy的矩陣>>> list=[1,2,3]>>> mat(list)matrix([[1, 2, 3]])#矩陣相乘>>> m1=mat([1,2,3]) #1行3列>>> m2=mat([4,5,6]) >>> m1*m2.T #注意左列與右行相等 m2.T為轉置操作matrix([[32]]) >>> multiply(m1,m2) #執行點乘操作,要使用函數,特別注意matrix([[ 4, 10, 18]]) #排序>>> m=mat([[2,5,1],[4,6,2]]) #創建2行3列矩陣>>> mmatrix([[2, 5, 1], [4, 6, 2]])>>> m.sort() #對每一行進行排序>>> mmatrix([[1, 2, 5], [2, 4, 6]])>>> m.shape #獲得矩陣的行列數(2, 3)>>> m.shape[0] #獲得矩陣的行數2>>> m.shape[1] #獲得矩陣的列數3#索引取值>>> m[1,:] #取得第一行的所有元素matrix([[2, 4, 6]])>>> m[1,0:1] #第一行第0個元素,注意左閉右開matrix([[2]])>>> m[1,0:3]matrix([[2, 4, 6]])>>> m[1,0:2]matrix([[2, 4]])
擴展矩陣函數tile()
例如,要計算[0,0,0]到一個多維矩陣中每個點的距離,則要將[0,0,0]進行擴展。
tile(inX, (i,j)) ;i是擴展個數,j是擴展長度
實例如下:
>>>x=mat([0,0,0])>>> xmatrix([[0, 0, 0]])>>> tile(x,(3,1)) #即將x擴展3個,j=1,表示其列數不變matrix([[0, 0, 0], [0, 0, 0], [0, 0, 0]])>>> tile(x,(2,2)) #x擴展2次,j=2,橫向擴展matrix([[0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]])
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答