Python线性代数(1)——矩阵操作
2014-06-08 11:38
375 查看
今天是这一个系列教程的第一篇,简单介绍一下Python中是如何操作Matrix(矩阵)的,然后我们后面开始用Python中的numpy来解决线性代数问题,比如解方程等,下面我们开始吧:
● 我先引入numpy,以后的教程中,我们都引用np作为简写。
>>> import numpy as np
● 使用mat函数创建一个2*3矩阵。
>>> a = np.mat([[1,2,3],[4,5,6]])
>>> a
matrix([[1, 2, 3],
[4, 5, 6]])
● 使用shape可以获取矩阵的大小。
>>> a.shape
(2, 3)
● 使用下标读取矩阵中的元素。
>>> a[1,1]
5
>>> a[0,2]
3
● 进行行列转换。
>>> a.T
matrix([[1, 4],
[2, 5],
[3, 6]])
>>> a.transpose()
matrix([[1, 4],
[2, 5],
[3, 6]])
● 实际上官方文档建议我们使用二维数组代替矩阵进行矩阵运算;因为二维数组用得较多,而且基本可取代矩阵。
● 我先引入numpy,以后的教程中,我们都引用np作为简写。
>>> import numpy as np
● 使用mat函数创建一个2*3矩阵。
>>> a = np.mat([[1,2,3],[4,5,6]])
>>> a
matrix([[1, 2, 3],
[4, 5, 6]])
● 使用shape可以获取矩阵的大小。
>>> a.shape
(2, 3)
● 使用下标读取矩阵中的元素。
>>> a[1,1]
5
>>> a[0,2]
3
● 进行行列转换。
>>> a.T
matrix([[1, 4],
[2, 5],
[3, 6]])
>>> a.transpose()
matrix([[1, 4],
[2, 5],
[3, 6]])
● 实际上官方文档建议我们使用二维数组代替矩阵进行矩阵运算;因为二维数组用得较多,而且基本可取代矩阵。
相关文章推荐
- python中的矩阵操作
- Python 机器学习——线性代数和矩阵运算:从matlab迁移到python
- python列表解析实例(整数操作、字符操作、矩阵操作)
- numpy线性代数基础 - Python和MATLAB矩阵处理的不同
- Python-Numpy(3)矩阵基本操作
- Python 搞搞数据库 简单的SQLite操作前 之矩阵 matrix
- python之pandas用法(用于矩阵等数据的操作)
- python列表解析实例(整数操作、字符操作、矩阵操作)
- 机器学习笔记(二)矩阵和线性代数 例:用Python实现SVD分解进行图片压缩
- python矩阵操作小例子
- python科学计算六:scipy矩阵操作
- Python 线性代数 矩阵转置
- Python 线性代数 矩阵乘法
- python常见需注意操作——稀疏矩阵内元素的放缩
- Matlab与线性代数 -- 矩阵的左右翻转、上下翻转和矩阵的逆时针旋转90操作
- Python 之 Python与MATLAB 矩阵操作小结
- Python 与 Matlab 矩阵操作对应表
- Python 之 Python与MATLAB 矩阵操作总结
- Python numpy(ndarray 随机数组 常用操作 线性方程组和矩阵运算)
- Python矩阵常见运算操作实例总结