Python数组与矩阵操作

Python数组与矩阵操作

1、MATLAB的基于矩阵的操作，而numpy多是基于数组的操作，numpy的索引从0开始。

import numpy as np  impor scipy as sp

（1）建立矩阵

a=np.array([1,2,3],dtype=int)  

#建立一个一维数组，数据类型是int。也可以不指定数据类型，使用默认。

示例

import numpy as npa=np.array([1,2,3],dtype=int)print a1

结果

（2）a2=np.array([[1,2,3],[2,3,4]])  
#建立一个二维数组。

示例

import numpy as npa1=np.array([[1,2,3],[4,6,7]])print a1

结果

（3）内置函数

b=np.zeros((2,3))  

 #生成一个2行3列的全0矩阵。

注意，参数是一个tuple（元组）：(2,3)，所以有两个括号。完整的形式为：zeros(shape,dtype=)。

示例

import numpy as npb=np.zeros((2,3))print b

结果

（4）b=np.ones((3,4))

#生成一个3行4列的全1矩阵

示例

import numpy as npb=np.ones((3,4))print b

结果

（5）np.empty()

#建立一个空矩阵，使用内存中的随机值来填充这个矩阵。

示例

import numpy as npb=np.empty((3,4))print b

结果

（6）b=np.identity(n)   

#建立n*n的单位阵，这只能是一个方阵。

示例

import numpy as npb=np.identity(4)print b

结果

（7）b=np.eye(N,M=None,k=0)  
 #建立一个对角线是1其余值为0的矩阵，用k指定对角线的位置。M默认None。

示例

import numpy as npb=np.eye(3,None,1)print b

结果

此外，numpy中还提供了几个like函数，即按照某一个已知的数组的规模（几行几列）建立同样规模的特殊数组。这样的函数有zeros_like()、empty_like()、ones_like()，它们的参数均为如此形式：zeros_like(a,dtype=)，其中，a是一个已知的数组。

2、arange()函数

c=np.arange(start,end,step)

#start起点，end终点，step步长值，含起点值，不含终点值。

示例

import numpy as npc=np.arange(2,3,0.1)print c

结果

3、linspace( )函数

c=np.linspace(start,end,counts)   #start:起点，end:终点，counts:区间内点数。起点终点均包括在内

示例

import numpy as npc=np.linspace(1,4,10)print c

结果

4、X.T   

#如果X是矩阵，X.T是X的转置矩阵

示例

import numpy as npx=np.array([[1,2,4],[5,6,7]])print xprint '--------'print x.T

结果

5、X.trace()    

#计算X的迹

示例

import numpy as npx=np.array([[1,2,4],[5,6,7],[1,1,3]])print xprint x.trace()

结果

6、np.linalg.det(a)   

#返回的是矩阵a的行列式

示例

import numpy as npx=np.array([[1,2,4],[5,2,4],[1,3,2]])print xst=np.linalg.det(x)print st

结果

7、np.linalg.eig(a)  
 #矩阵a的特征值和特征向量

示例

import numpy as npx=np.array([[-2,1,1],[0,2,0],[-4,1,3]])print xprint '--------'st=np.linalg.eig(x)print st

结果

其特征值：-1.，2.，2.