該博客為本人自學(xué)自編的筆記，主要介紹了Numpy部分用處，這是第一篇Numpy文章

Numpy庫(kù)的簡(jiǎn)介

Numpy是一個(gè)強(qiáng)大的Python庫(kù)，用于進(jìn)行科學(xué)計(jì)算，它可以處理矩陣和很多數(shù)據(jù)。

1. 多維數(shù)組對(duì)象：在Numpy中，最核心的部分就是它的多維數(shù)組對(duì)象，或者叫做ndarray。這個(gè)數(shù)組允許你存儲(chǔ)同類型的數(shù)據(jù)集合，可以是一維（比如一行數(shù)字）、二維（比如一個(gè)表格或矩陣）、甚至是更高維度的數(shù)據(jù)結(jié)構(gòu)。使用這種結(jié)構(gòu)，我們可以非常高效地進(jìn)行數(shù)學(xué)和邏輯運(yùn)算。
2. 處理工具：Numpy不僅提供了多維數(shù)組對(duì)象，還提供了大量的函數(shù)和操作，可以很方便地進(jìn)行數(shù)學(xué)計(jì)算、數(shù)組操作（比如切片、索引、迭代）、線性代數(shù)運(yùn)算、隨機(jī)數(shù)生成等等。使得Numpy成為了科學(xué)計(jì)算、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等領(lǐng)域不可或缺的工具。

如果你打算在Python中進(jìn)行任何形式的科學(xué)計(jì)算或數(shù)據(jù)分析，學(xué)習(xí)Numpy幾乎是必須的一步。

創(chuàng)建矩陣

通過已有的列表，建立一個(gè)多維數(shù)組

import numpy as np
#根據(jù)兩組列表，創(chuàng)建一個(gè)二維數(shù)組
matrix = np.array([[1, 2, 3], [4, 5, 6]])

在這個(gè)代碼中，根據(jù)兩組列表，通過 np.array() 函數(shù)將他們創(chuàng)建成了一個(gè)二維數(shù)組。
$$\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\end{array}\right]$$
此外，只要是能夠有序列表示的類型，都可以通過這個(gè)函數(shù)創(chuàng)建多維數(shù)組，元組同樣可以用于創(chuàng)建多維數(shù)組。

直接創(chuàng)建數(shù)組

創(chuàng)建全0矩陣

import numpy as np
#創(chuàng)建一個(gè)3*3全為0的矩陣
zeros_matrix = np.zeros((3, 3))

在這個(gè)代碼中，通過 np.zeros() 函數(shù)，創(chuàng)建了一個(gè)長(zhǎng)寬均為3的全0矩陣。
[ 0 0 0 0 0 0 0 0 0 ] \begin{bmatrix} 0 & 0 &0\\ 0& 0 &0\\ 0&0&0\\ \end{bmatrix} ?000?000?000? ?

創(chuàng)建全1矩陣

import numpy as np
#創(chuàng)建一個(gè)3*3全為1的矩陣
ones_matrix = np.ones((3, 3))

在這個(gè)代碼中，通過 np.zeros() 函數(shù)，創(chuàng)建了一個(gè)長(zhǎng)寬均為3的全0矩陣。
[ 1 1 1 1 1 1 1 1 1 ] \begin{bmatrix} 1 & 1 &1\\ 1& 1 &1\\ 1&1&1\\ \end{bmatrix} ?111?111?111? ?

創(chuàng)建對(duì)角線為1的矩陣

import numpy as np
#創(chuàng)建一個(gè)3*3的單位矩陣
identity_matrix = np.eye(3)

在這個(gè)代碼中，通過 np.eye() 函數(shù)，創(chuàng)建了3*3對(duì)角線全為1的單位矩陣
[ 1 0 0 0 1 0 0 0 1 ] \begin{bmatrix} 1 & 0 &0\\ 0& 1 &0\\ 0&0&1\\ \end{bmatrix} ?100?010?001? ?

矩陣的加減乘除

矩陣的加減

進(jìn)行矩陣的加減前提是兩個(gè)矩陣擁有相同的維度，加減就是將矩陣中對(duì)應(yīng)的數(shù)字進(jìn)行加減。我們直接用 + - 號(hào)即可將他們加減。

import numpy as np

#我們用字母代替，以便更好的展示
A = np.array([[a, b], [c, d]])
B = np.array([[e, f], [g, h]])
C = A + B
D = A - B

此時(shí)C的結(jié)果應(yīng)該是
$$C=\left[\begin{array}{cc}a+e& b+f\\ c+g& d+h\end{array}\right]$$
D的結(jié)果
$$D=\left[\begin{array}{cc}a?e& b?f\\ c?g& d?h\end{array}\right]$$
如果想讓矩陣都加減某一個(gè)數(shù)，直接使用**+ -** 號(hào)那個(gè)數(shù)即可

A = np.array([[a, b], [c, d]])
C = A+1

$$C=\left[\begin{array}{cc}a+1& b+1\\ c+1& d+1\end{array}\right]$$

矩陣的乘除

乘法

矩陣的乘除并不是加減一樣簡(jiǎn)單，他的計(jì)算規(guī)則是這樣的。
$$A=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]B=\left[\begin{array}{cc}e& f\\ g& h\end{array}\right]$$
那么A×B就是這樣的
$$\mathbf{A}\times \mathbf{B}=\left(\begin{array}{cc}ae+bg& af+bh\\ ce+dg& cf+dh\end{array}\right)$$
使用的函數(shù)是

import numpy as np

A = np.array([[a, b], [c, d]])
B = np.array([[e, f], [g, h]])
A × B = np.dot(A,B)

除法

對(duì)于矩陣，并不存在“正常”的除法，除以一個(gè)矩陣就是乘上它的逆矩陣
$$A\times A^{?1}=I_{單位矩陣}$$
在Python中，逆矩陣的函數(shù)為

A_inv = np.linalg.inv(A)

此時(shí)除以A就等價(jià)于乘上A_inv

B ? A = np.dot(B, np.linalg.inv(A))

乘除一個(gè)數(shù)

和加減一樣，只需要使用 * / 符號(hào)即可

A = np.array([[a, b], [c, d]])
D = A * 2

$$D=\left[\begin{array}{cc}a?2& b?2\\ c?2& d?2\end{array}\right]$$

此外，不止是加減乘除，平方、判斷大小等等都可以直接用在矩陣上。文章來源地址http://www.zghlxwxcb.cn/news/detail-846332.html

到了這里，關(guān)于【Numpy第一講】如何生成矩陣，如何對(duì)矩陣進(jìn)行加減乘除的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！