“案例:科学计算上手,矩阵运算与层次分析”的版本间的差异
(创建页面,内容为“ == Numpy数组的广播机制 == *注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的 *同纬度和形状的数组之间就是同位…”) |
(→Numpy数组的广播机制) |
||
第1行: | 第1行: | ||
− | == | + | == Numpy数组的矩阵运算 == |
*注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的 | *注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的 | ||
*同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果 | *同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果 |
2020年5月16日 (六) 11:20的版本
Numpy数组的矩阵运算
- 注意numpy里数组之间的运算和线性代数中的矩阵运算是不一样的
- 同纬度和形状的数组之间就是同位置的元素两两匹配运算的结果
import numpy as np
x = np.array([[1,2,1],[4,5,6]])
y = np.array([[1,2,1],[3,4,5]])
print(x+y)
>>>>[[ 2 4 2]
>>>>[ 7 9 11]]
print(x-y)
>>>>[[0 0 0]
>>>>[1 1 1]]
print(x*y)
>>>>[[ 1 4 1]
>>>>[12 20 30]]
注意:如果是列和行其中之一有空缺是可以通过复制来运算的。
但是蓝本不能有缺或者多,即行和列都不完整。
矩阵数组的创建
import numpy as np
a = np.arange(3,10)#默认从3开始到10(不包括10),步长为1
print(a)
>>>[3 4 5 6 7 8 9]
a_ones = np.ones((3,4))#创建3*4的全1矩阵
print(a_ones )
>>>>[[1. 1. 1. 1.]
>>>>[1. 1. 1. 1.]
>>>>1. 1. 1. 1.]]
a_zeros = np.zeros((3,4))#创建3*4的全0矩阵
print(a_zeros )
>>>>[[0. 0. 0. 0.]
>>>>[0. 0. 0. 0.]
>>>>[0. 0. 0. 0.]]
a_eye = np.eye(3)#创建3阶单位矩阵
print(a_eye)
>>>>[[1. 0. 0.]
>>>>[0. 1. 0.]
>>>>[0. 0. 1.]]
矩阵数组的点乘 —— dot
import numpy as np
a = np.array([[1,2,3],[7,6,2]])
b = np.array([[1,2],[7,6],[8,2]])
print(a.dot(b))
>>>>[[39 20]
>>>>[65 54]]
print(a[0,:].dot(b))#第一行的所有列*b
行列式的叉乘 —— linalg.det
import numpy as np
a = np.array([[2,3],[6,2]])
print(np.linalg.det(a))
>>>-14.000000000000004