(相关资料图)

目录

1. 介绍

在数学上，矩阵(Matrix)是一个按照矩形阵列排列的负数或实数集合，但在NumPy中，矩阵np.matrix是数组np.ndarray的派生类。这意味着矩阵本质上是 一个数组，拥有数组的所有属性和方法；同时，矩阵又有一些不同于数组的特性和方法首先，矩阵是二维的，不能像数组一样幻化成任意维度，即使展开或切片，返回也是二维的；其次，矩阵和矩阵、矩阵和数组都可以做加减乘除运算，运算结果都是返回矩阵；最后，矩阵的乘法不同于数组乘法

2. 创建矩阵

np.mat()函数用于创建矩阵，它可以接受列表、数组甚至是字符串等形式的参数，还可以使用dtype参数指定数据类型，

其代码如下：

import numpy as np
import numpy.matlib as mat

print(np.mat([[1,2,3],[4,5,6]], dtype=np.int)) # 使用列表创建矩阵
print(np.mat(np.arange(6).reshape((2,3)))) # 使用数组创建矩阵
print(np.mat("1 4 7; 2 5 8; 3 6 9")) # 使用Matlab风格的字符串创建矩阵

此外，和生成特殊值数组类似，numpy.matlib子模块也提供了多个函数用于生成特殊值矩阵和随机数矩阵

print(mat.zeros((2,3))) # 全0矩阵
print(mat.ones((2,3))) # 全1矩阵
print(mat.eye(3)) # 单位矩阵
print(mat.empty((2,3))) # 空矩阵
print(mat.rand((2,3))) # [0,1)区间随机数矩阵
print(mat.randn((2,3))) # 均值0方差1的高斯（正态）分布矩阵

3. 矩阵特有属性

矩阵有几个特有的属性，如转置矩阵、逆矩阵、共轭矩阵、共轭转置矩阵等。

import numpy as np

m = np.mat(np.arange(6).reshape((2,3)))
print(m)
print(m.T) # 返回自身的转置矩阵
print(m.H) # 返回自身的共轭转置矩阵
print(m.I) # 返回自身的逆矩阵
print(m.A) # 返回自身数据的视图（ndarray类）

4. 矩阵乘法

矩阵运算和数组运算大致相同，只有乘法运算有较大差别。两个数组相乘就是对应元素相乘，条件是两个数组的结构相同。事实上，及时两个数组的结构不同，只要满足特定条件，也能做乘法运算

import numpy as np

a = np.random.randint(0,10,(2,3))
print(a)

b = np.random.randint(0,10,3)
print(b)

print(a*b) # shape不同的两个数组也可以相乘
print(b*a)

除了对应元素相乘，数组还可以使用np.dot()函数相乘

a = np.random.randint(0,10,(2,3))
b = np.random.randint(0,10,3)
c = np.random.randint(0,10,(3,2))

print(np.dot(a,b))
print(np.dot(a,c))

属于数组而言，使用星号相乘和使用np.dot()函数相乘是完全不同的两种乘法：对于矩阵来说，不管是使用星号相乘还是使用np.dot()函数相乘，结果都是np.dot()函数相乘的结果，因为矩阵没有对应元素相乘这个概念。np.dot()函数实现的乘法就是矩阵乘法

不是所有的矩阵都能相乘，矩阵乘法不满足交换律。概括来说，就是矩阵A的各行逐一去乘矩阵B的各列。例如，矩阵A的第1行和矩阵B的第1列，它们的元素个数一定相等，对应元素相乘后求和的值作为结果矩阵第1行第1列的值。又如，矩阵A的第3行和矩阵B的第3列，对应元素相乘后求和的值作为结果矩阵第3行第3列的值。以此类推，最终得到矩阵A乘矩阵B的结果矩阵

到此这篇关于Python NumPy矩阵对象详解及方法的文章就介绍到这了,更多相关Python NumPy矩阵对象 内容请搜索脚本之家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脚本之家！

关键词： 转置矩阵 特有属性 乘法运算