Numpy實現基本的矩陣運算

• a*b實現矩陣叉乘，使用代碼和運行結果如圖

#矩陣相乘 import numpy as np a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3 a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3 print(a1*a2)

• dot()實現矩陣點乘，使用代碼和運行結果如圖

#矩陣點乘 import numpy as np a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3 a2=np.mat([[11,12,13],[14,15,16],[17,18,19]]);#3*3 a3=a1.dot(a2) print(a3)

• .I實現矩陣求逆，使用代碼和運行結果如圖

#矩陣轉置 import numpy as np a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3 a2=a1.I print(a2)

• .T實現矩陣求轉置，使用代碼和運行結果如圖

#矩陣轉置 import numpy as np a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3 a2=a1.T print(a2)

• linalg.eig()實現求矩陣的特征向量，并返回數值，使用代碼和運行結果如圖

#矩陣求特征向量 import numpy as np a1=np.mat([[1,2,3],[4,5,6],[7,8,9]]); #3*3 b=np.linalg.eig(a1) print(b)

Numpy實現線性方程求解

例：求該線性方程組的解
$$?\begin{array}{ccc}1& 1& 1\\ 0& 2& 5\\ 2& 5& ?1\end{array}??\begin{array}{l}x\\ y\\ z\end{array}?=?\begin{array}{c}6\\ ?4\\ 27\end{array}?$$
使用代碼和運行結果如圖

from scipy import linalg import numpy as np A = np.array([[1, 1, 1], [0, 2, 5], [2, 5, -1]]) # A代表系數矩陣 b = np.array([6, -4, 27]) # b代表常數列 x = linalg.solve(A, b) print(x)

Numpy實現排序

sort(a,axis,kind,order)函數返回輸入數組的排序副本,其中a是所需排序的數組，axis沿著排序的軸，kind默認為"quicksort"快速排序,或者"mergesort"歸并排序，"heapsort"堆排序。使用代碼和運行結果如圖

#排序 import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("排序后",np.sort(a)) print("沿x軸排序",np.sort(a,axis=1)) print("沿y軸排序",np.sort(a,axis=0))

• argsort()函數對輸入數組進行排序并返回數據的索引數組,使用代碼和運行結果如圖

#argsort() import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) b=np.argsort(a) print(b)

argmax()函數和argmin()函數對輸入數組的指定值找出最大值或者最小值，返回其索引值,使用代碼和運行結果如圖

#armax(),argmin() import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("整個數組中的最大索引",np.argmax(a)) print("沿x軸的最大索引",np.argmax(a,axis=1)) print("沿y軸的最大索引",np.argmax(a,axis=0)) print("整個數組中的最大索引",np.argmax(a)) print("沿x軸的最小索引",np.argmax(a,axis=1)) print("沿y軸的最小索引",np.argmax(a,axis=0))

• where()函數對輸入數組找出指定條件的數值，返回其索引值,使用代碼和運行結果如圖

#where() import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("大于8的：",np.where(a>8))

Numpy實現基本的統計計算

在Numpy中有很多用于統計的函數，從數組中給定的元素中查找最大值，最小值，標準差和方差等。

• amin()和amax()用于從給定的數組中指定軸返回最小值和最大值，使用代碼和運行結果如圖

#Numpy統計函數 #import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("整個數組中的最小值",np.amin(a))#尋找整個數組中的最小值 print("整個數組中的最大值",np.amax(a))#尋找整個數組中的最小值 print("第一列的最大值",np.amax(a,axis = 0)) print("第一列的最小值",np.amax(a,axis = 0))

• ptp()返回沿軸的值得范圍，使用代碼和運行結果如圖

import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("整個數組的范圍",np.ptp(a)) print("x軸范圍",np.ptp(a, axis = 1)) print("y軸范圍",np.ptp(a, axis = 0))

• median()求中值，使用代碼和運行結果如圖

#求中值 import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("整個數組的中值",np.median(a)) print("x軸中值",np.median(a, axis = 1)) print("y軸中值",np.median(a, axis = 0))

• mean()求算術平均值，使用代碼和運行結果如圖

#求平均值 import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print("整個數組的平均值",np.mean(a)) print("x軸平均值",np.mean(a, axis = 1)) print("y軸平均值",np.mean(a, axis = 0))

• average()求加權平均值，使用代碼和運行結果如圖

#求加權平均值 a = np.array([1,2,3,4,5,6]) #權重 b = np.array([1,2,3,4,5,6]) print("不指定權重",np.average(a)) print("指定權重",np.average(a,weights = b))

• std()求標準差，使用代碼和運行結果如圖

#標準差 import numpy as np a = np.array([1,2,3,4,5,6]) b=np.std(a) print("標準差",b)

• var()求方差，使用代碼和運行結果如圖

#方差 import numpy as np a = np.array([1,2,3,4,5,6]) b=np.var(a) print("方差",b)

總結

以上是生活随笔為你收集整理的Python中Numpy包的学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。