摘自：http://m.blog.csdn.net/blog/taxueguilai1992/46581861
python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。
由一维或二维数据创建矩阵
>>>fromnumpyimport* >>>a1=array([1,2,3]) >>>a1 array([1,2,3]) >>>a1=mat(a1) >>>a1 matrix([[1,2,3]]) >>>shape(a1) (1,3) >>>b=matrix([1,2,3]) >>>shape(b) (1,3)创建常见的矩阵
>>>data1=mat(zeros((3,3)))#创建一个3*3的零矩阵，矩阵这里zeros函数的参数是一个tuple类型(3,3) >>>data1 matrix([[0.,0.,0.], [0.,0.,0.], [0.,0.,0.]]) >>>data2=mat(ones((2,4)))#创建一个2*4的1矩阵，默认是浮点型的数据，如果需要时int类型，可以使用dtype=int >>>data2 matrix([[1.,1.,1.,1.], [1.,1.,1.,1.]]) >>>data3=mat(random.rand(2,2))#这里的random模块使用的是numpy中的random模块，random.rand(2,2)创建的是一个二维数组，需要将其转换成#matrix >>>data3 matrix([[0.57341802,0.51016034], [0.56438599,0.70515605]]) >>>data4=mat(random.randint(10,size=(3,3)))#生成一个3*3的0-10之间的随机整数矩阵，如果需要指定下界则可以多加一个参数 >>>data4 matrix([[9,5,6], [3,0,4], [6,0,7]]) >>>data5=mat(random.randint(2,8,size=(2,5)))#产生一个2-8之间的随机整数矩阵 >>>data5 matrix([[5,4,6,3,7], [5,3,3,4,6]]) >>>data6=mat(eye(2,2,dtype=int))#产生一个2*2的对角矩阵 >>>data6 matrix([[1,0], [0,1]]) a1=[1,2,3] a2=mat(diag(a1))#生成一个对角线为1、2、3的对角矩阵 >>>a2 matrix([[1,0,0], [0,2,0], [0,0,3]])1.矩阵相乘
>>>a1=mat([1,2]); >>>a2=mat([[1],[2]]); >>>a3=a1*a2#1*2的矩阵乘以2*1的矩阵，得到1*1的矩阵 >>>a3 matrix([[5]])2.矩阵点乘
矩阵对应元素相乘
>>>a1=mat([1,1]); >>>a2=mat([2,2]); >>>a3=multiply(a1,a2) >>>a3 matrix([[2,2]])矩阵点乘
>>>a1=mat([2,2]); >>>a2=a1*2>>>a2 matrix([[4,4]])3.矩阵求逆，转置 矩阵求逆
>>>a1=mat(eye(2,2)*0.5) >>>a1 matrix([[0.5,0.], [0.,0.5]]) >>>a2=a1.I#求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵 >>>a2 matrix([[2.,0.], [0.,2.]])矩阵转置
>>>a1=mat([[1,1],[0,0]]) >>>a1 matrix([[1,1], [0,0]]) >>>a2=a1.T >>>a2 matrix([[1,0], [1,0]])4.计算矩阵对应行列的最大、最小值、和。
3>>>a1=mat([[1,1],[2,3],[4,2]]) >>>a1 matrix([[1,1], [2,3], [4,2]])计算每一列、行的和
>>>a2=a1.sum(axis=0)#列和，这里得到的是1*2的矩阵 >>>a2 matrix([[7,6]]) >>>a3=a1.sum(axis=1)#行和，这里得到的是3*1的矩阵 >>>a3 matrix([[2], [5], [6]]) >>>a4=sum(a1[1,:]) #计算第一行所有列的和，这里得到的是一个数值 >>>a4 5 #第0行：1+1；第2行：2+3；第3行：4+2计算最大、最小值和索引
>>>a1.max() #计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值 4 >>>a2=max(a1[:,1])#计算第二列的最大值，这里得到的是一个1*1的矩阵 >>>a2 matrix([[3]]) >>>a1[1,:].max() #计算第二行的最大值，这里得到的是一个一个数值 3 >>>np.max(a1,0) #计算所有列的最大值，这里使用的是numpy中的max函数 matrix([[4,3]]) >>>np.max(a1,1) #计算所有行的最大值，这里得到是一个矩阵 matrix([[1], [3], [4]]) >>>np.argmax(a1,0)#计算所有列的最大值对应在该列中的索引 matrix([[2,1]]) >>>np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引 15.矩阵的分隔和合并 矩阵的分隔，同列表和数组的分隔一致。
>>>a=mat(ones((3,3))) >>>a matrix([[1.,1.,1.], [1.,1.,1.], [1.,1.,1.]]) >>>b=a[1:,1:]#分割出第二行以后的行和第二列以后的列的所有元素 >>>b matrix([[1.,1.], [1.,1.]])矩阵的合并
>>>a=mat(ones((2,2))) >>>a matrix([[1.,1.], [1.,1.]]) >>>b=mat(eye(2)) >>>b matrix([[1.,0.], [0.,1.]]) >>>c=vstack((a,b))#按列合并，即增加行数 >>>c matrix([[1.,1.], [1.,1.], [1.,0.], [0.,1.]]) >>>d=hstack((a,b))#按行合并，即行数不变，扩展列数 >>>d matrix([[1.,1.,1.,0.], [1.,1.,0.,1.]])列表可以修改，并且列表中元素可以使不同类型的数据，如下：
l1=[[1],hello,3];numpy中数组，同一个数组中所有元素必须为同一个类型，有几个常见的属性：
>>>a=array([[2],[1]]) >>>a array([[2], [1]]) >>>dimension=a.ndim >>>dimension 2 >>>m,n=a.shape >>>m 2 >>>n 1 >>>number=a.size#元素总个数 >>>number 2 >>>str=a.dtype#元素的类型 >>>str dtype(int64)numpy中的矩阵也有与数组常见的几个属性。
它们之间的转换： >>>a1=[[1,2],[3,2],[5,2]]#列表 >>>a1 [[1,2],[3,2],[5,2]] >>>a2=array(a1)#将列表转换成二维数组 >>>a2 array([[1,2], [3,2], [5,2]]) >>>a3=mat(a1)#将列表转化成矩阵 >>>a3 matrix([[1,2], [3,2], [5,2]]) >>>a4=array(a3)#将矩阵转换成数组 >>>a4 array([[1,2], [3,2], [5,2]]) >>>a41=a3.getA()#将矩阵转换成数组 >>>a41 array([[1,2] [3,2] [5,2]]) >>>a5=a3.tolist()#将矩阵转换成列表 >>>a5 [[1,2],[3,2],[5,2]] >>>a6=a2.tolist()#将数组转换成列表 >>>a6 [[1,2],[3,2],[5,2]]这里可以发现三者之间的转换是非常简单的，这里需要注意的是，当列表是一维的时候，将它转换成数组和矩阵后，再通过tolist()转换成列表是不相同的，需要做一些小小的修改。如下：
>>>a1=[1,2,3]#列表 >>>a2=array(a1) >>>a2 array([1,2,3]) >>>a3=mat(a1) >>>a3 matrix([[1,2,3]]) >>>a4=a2.tolist() >>>a4 [1,2,3] >>>a5=a3.tolist() >>>a5 [[1,2,3]] >>>a6=(a4==a5) >>>a6 False >>>a7=(a4isa5[0]) >>>a7 True矩阵转换成数值，存在以下一种情况：
>>>dataMat=mat([1]) >>>val=dataMat[0,0]#这个时候获取的就是矩阵的元素的数值，而不再是矩阵的类型 >>>val 1本文内容总结：1.numpy的导入和使用，2.矩阵的创建，3.常见的矩阵运算，4.矩阵、列表、数组的转换，
原文链接：https://www.cnblogs.com/chamie/p/4870078.html相关推荐
数学中有许多类型的级数，可以在C编程中轻松解决。该程序是在C程序中找到系列后继的和。Tn = n2 - (n-1 2...
要从全部四列中找到最低分，请使用MySQLLEAST( 函数。让我们首先创建一个表-create table DemoTable( Score1 int,...
