python

矩阵运算

第一次看见

Python

的运行感觉就让我想起了

matlab，

于是就上网嗖嗖他在矩阵方面的运算

如何，如果不想安装

Matlab

那么大的软件，而你又只是想计算些矩阵，python

绝对够用！

尤其在

Linux

下太方便了

Python

使用

NumPy

包完成了对

N-维数组的快速便捷操作。使用这个包，需要导入

numpy。

SciPy

包以

NumPy

包为基础，大大的扩展了

numpy

的能力。为了使用的方便，scipy

包在最

外层名字空间中包括了所有的

numpy

内容，因此只要导入了

scipy，不必在单独导入

numpy

了！但是为了明确哪些是

numpy

中实现的，哪些是

scipy

中实现的，本文还是进行了区分。

以下默认已经：import

numpy

as

np

以及

impor

scipy

as

sp

下面简要介绍

Python

和

MATLAB

处理数学问题的几个不同点。1.MATLAB

的基本是矩阵，而

numpy

的基本类型是多为数组，

把

matrix

看做是

array

的子类。

2.MATLAB

的索引从

1

开始，

而

numpy

从

0

开始。

1.建立矩阵

a1=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。几乎所有的数组建立函数都可以指定数据类型，即

dtype

的取值。

a2=np.array([[1,2,3],[2,3,4]])

#建立一个二维数组。

此处和

MATLAB

的二维数组

(矩

阵)的建立有很大差别。

同样，numpy

中也有很多内置的特殊矩阵：

b1=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：

(2,3)，

所以有两个括号。完整的形式为：zeros(shape,dtype=)。相同的结构，有

ones()建立全

1

矩阵。empty()建立一个空矩阵，使用内存中的随机值来填充这个矩阵。

b2=identity(n)

#建立

n*n

的单位阵，这只能是一个方阵。

b3=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。

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。

c1=np.arange(2,3,0.1)

#起点，终点，步长值。含起点值，不含终点值。