python输出n×n的矩阵,numpy逆矩阵函数
在NumPy中,matrix是ndarray的子类。与数学概念中的矩阵一样,NumPy中的矩阵也是二维的。mat、Matrix和bmat函数可用于创建矩阵。本文将详细讲解NumPy中矩阵和一般函数的使用,有兴趣的可以看看。
00-1010 I .创建矩阵II。从现有矩阵创建新矩阵。一般职能四。算术运算在NumPy中,矩阵是ndarray的子类。与数学概念中的矩阵一样,NumPy中的矩阵也是二维的。mat、Matrix和bmat函数可用于创建矩阵。
目录
mat函数创建矩阵时,如果输入已经是矩阵或ndarray对象,则不会为它们创建副本。所以调用mat()函数相当于调用matrix(data,copy=False)。
1)在创建矩阵的特殊字符串中,矩阵的行用分号分隔,行中的元素用空格分隔。调用mat函数用下面的字符串创建一个矩阵:
将numpy作为np导入
a=NP . mat( 1 2 3;4 5 6;7 8 9)
print(从字符串创建:,A)
运行结果:
从字符串:创建
[[1 2 3]
[4 5 6]
[7 8 9]]
2)利用t属性获得转置矩阵
Print (transpose a:,a.t) #获取具有t属性的转置矩阵
3)使用I属性获得逆矩阵
Print (inverse a:,a.i) #用I属性获取逆矩阵
4)用NumPy数组创建矩阵。
B=np.mat(np.arange(9))。整形(3,3))
Print(从array:创建,b) #使用NumPy数组创建
以上操作结果:
从字符串:创建
[[1 2 3]
[4 5 6]
[7 8 9]]
移调A:
[[1 4 7]
[2 5 8]
[3 6 9]]
逆A:
[ 3.15251974e 15 -6.30503948e 15
[6.30503948 e 15 1.26100790 e 16-6.30503948 e 15]
[ 3.15251974e 15 -6.30503948e 15
从数组:创建
[[0 1 2]
[3 4 5]
[6 7 8]]
一、创建矩阵
我希望使用一些现有的较小矩阵来创建一个新的大矩阵。这可以通过bmat函数来实现。这里B代表“块”,bmat代表块矩阵。
1)首先创建一个3*3的单位矩阵:
C=np.eye(3)
打印( C: ,C)
运行结果:
C:
[[1.0.0.]
[0.1.0.]
[0.0.1.]]
2)创建一个与C类型相同的矩阵,并将其乘以2
D=2 * C
打印( D: ,D)
运行结果:
D:
[[2.0.0.]
[0.2.0.]
[0.0.2.]]
uote>
3)使用字符串创建复合矩阵:
字符串的格式与 mat 函数中一致,只是在这里你可以用矩阵变量名代替数字:
print("Compound matrix\n", np.bmat("C D;C D"))
运行结果:
Compound matrix:
[[1. 0. 0. 2. 0. 0.]
[0. 1. 0. 0. 2. 0.]
[0. 0. 1. 0. 0. 2.]
[1. 0. 0. 2. 0. 0.]
[0. 1. 0. 0. 2. 0.]
[0. 0. 1. 0. 0. 2.]]
三、通用函数
通用函数的输入是一组标量,输出也是一组标量,它们通常可以对应于基本数学运算,如加、减、乘、除等。
1、使用NumPy中的 frompyfunc 函数,通过一个Python函数来创建通用函数,步骤如下:
1)定义一个回答某个问题的Python函数
2)用 zeros_like 函数创建一个和 a 形状相同,并且元素全部为0的数组 result
3)将刚生成的数组中的所有元素设置其值为42
2、在 add 上调用通用函数的方法
通用函数并非真正的函数,而是能够表示函数的对象。通用函数有四个方法,不过这些方法只对输入两个参数、输出一个参数的ufunc对象有效,例如 add 函数。
其他不符合条件的ufunc对象调用这些方法时将抛出 ValueError 异常。因此只能在二元通用函数上调用这些方法。以下将逐一介绍这4个方法:
reduce()、accumulate()、reduceat()、outer()
1) 沿着指定的轴,在连续的数组元素之间递归调用通用函数,即可得到输入数组的规约(reduce)计算结果。
对于 add 函数,其对数组的reduce计算结果等价于对数组元素求和。调用reduce 方法:
a = np.arange(9)print("Reduce:", np.add.reduce(a)) #调用add函数的reduce方法
运行结果:
Reduce 36
2)accumulate 方法同样可以递归作用于输入数组
在 add 函数上调用 accumulate 方法,等价于直接调用 cumsum 函数。在 add 函数上调用 accumulate 方法:
print( "Accumulate", np.add.accumulate(a)) #调用add函数的accumulate方法
运行结果:
Accumulate [ 0 1 3 6 10 15 21 28 36]
3)educeat 方法需要输入一个数组以及一个索引值列表作为参数。
print ("Reduceat", np.add.reduceat(a, [0, 5, 2, 7]))
educeat 方法的作用是,在数列a中,分别计算索引间的累加,比如上述的[0, 5, 2, 7],分别计算索引0-5,5-2(5>2,所以直接取索引为5的数据),2-7,7-(-1) 等四组序列形成的
比如,0-5就是计算A-E列中的数据,结果为10;5-2,直接取索引为5,即F的数据5;2-7,即B-G的计算结果为20;7-(-1)即索引7到最后,也即H、I的计算结果为15。
4)outer 方法
返回一个数组,它的秩(rank)等于两个输入数组的秩的和。它会作用于两个输入数组之间存在的所有元素对。在 add 函数上调用 outer 方法:
print("Outer:\n", np.add.outer(np.arange(3), a))
运行结果:
Outer:
[[ 0 1 2 3 4 5 6 7 8]
[ 1 2 3 4 5 6 7 8 9]
[ 2 3 4 5 6 7 8 9 10]]
四、算术运算
在NumPy中,基本算术运算符+、-和 * 隐式关联着通用函数 add 、 subtract 和 multiply ,对NumPy数组使用这些算术运算符时,对应的通用函数将自动被调用。除法包含
的过程则较为复杂,在数组的除法运算中涉及
三个通用函数 divide 、 true_divide 和floor_division ,以及两个对应的运算符 / 和 // 。
1、除法运算:
import numpy as npa = np.array([2, 6, 5])
b = np.array([1, 2, 3])
print("Divide:\n", np.divide(a, b), np.divide(b, a))
除了divide()函数外,还有floor_divide(),以及运算符‘/’和‘//’,(‘/’和‘//’分别和divide和floor_divide作用一样)如下代码:
import numpy as npa = np.array([2, 6, 5])
b = np.array([1, 2, 3])
print("Divide:\n", np.divide(a, b), np.divide(b, a))
print("True Divide:\n", np.true_divide(a, b), np.true_divide(b, a))#回除法的浮点数结果而不作截断
print("Floor Divide:\n", np.floor_divide(a, b), np.floor_divide(b, a)) #返回整数结果
c = 3.14*b
print("Floor Divide2:\n", np.floor_divide(c, b), np.floor_divide(b, c)) #返回整数结果
print( "/ operator:\n", a/b, b/a) # "/"运算符相当于调用 divide 函数
print( "// operator:\n", a//b, b//a) #运算符//对应于floor_divide 函数
print( "// operator2:\n", c//b, b//c)
运行结果:
Divide:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
True Divide:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
Floor Divide:
[2 3 1] [0 0 0]
Floor Divide2:
[3. 3. 3.] [0. 0. 0.]
/ operator:
[2. 3. 1.66666667] [0.5 0.33333333 0.6 ]
// operator:
[2 3 1] [0 0 0]
// operator2:
[3. 3. 3.] [0. 0. 0.]
2、模运算
计算模数或者余数,可以使用NumPy中的 mod 、 remainder 和 fmod 函数。当然,也可以使用 % 运算符。这些函数的主要差异在于处理负数的方式。
a = np.arange(-4, 4)print(a:,a)
print ("Remainder", np.remainder(a, 2)) # remainder 函数逐个返回两个数组中元素相除后的余数
print ("Mod", np.mod(a, 2)) # mod 函数与 remainder 函数的功能完全一致
print ("% operator", a % 2) # % 操作符仅仅是 remainder 函数的简写
print ("Fmod", np.fmod(a, 2))# fmod 函数处理负数的方式与 remainder 、 mod 和 % 不同
运行结果:
a: [-4 -3 -2 -1 0 1 2 3]
Remainder [0 1 0 1 0 1 0 1]
Mod [0 1 0 1 0 1 0 1]
% operator [0 1 0 1 0 1 0 1]
Fmod [ 0 -1 0 -1 0 1 0 1]
实际代码运行如下:
以上就是详解Python NumPy中矩阵和通用函数的使用的详细内容,更多关于NumPy矩阵 通用函数的资料请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。