1、numpy.array() 可以把列表转换为矩阵
2、numpy.arange() 生成一个向量
3、numpy.ones() 生成一个全是1的矩阵, 里面填入矩阵范围
4、numpy.zeros() 生成一个全是0的矩阵, 里面填入矩阵范围
5、numpy.eye() 可填入两个参数分别代表行和列,也可只填一个参数,即为方阵
6、numpy.empty() 返回一个没有经过初始化的一个矩阵
7、numpy.linspace 返回在指定的范围内确定个数的等间距的一组数的向量
补充:矩阵的逆矩阵
总结
1、numpy.array() 可以把列表转换为矩阵numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
value = [[1, 2, 3], [1, 2, 3]]
print(value)
x = np.array(value)
print(x)
2、numpy.arange() 生成一个向量[[1, 2, 3], [1, 2, 3]]
[[1 2 3]
[1 2 3]]
可设置三个参数,第一个为开始,第二个为结束,最后一个为步长,可省略开始与步长,默认从0开始,取值范围左闭右开
numpy.arange([start, ]stop, [step, ]dtype=None, *, like=None)
中括号的意思表示这个参数可以省略
x = np.arange(12)
print(x)
y = np.arange(10, 12)
print(y)
z = np.arange(10, 12, 2)
print(z)
3、numpy.ones() 生成一个全是1的矩阵, 里面填入矩阵范围[ 0 1 2 3 4 5 6 7 8 9 10 11]
[10 11]
[10]
numpy.ones(shape, dtype=None, order='C', *, like=None)
x = np.ones((3, 4))
print(x)
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
这里提一嘴输出里有点是因为dtype属性默认为float,如果改成int就会没有,下面的函数同理
z = np.ones((3, 4), dtype=int)
print(z)
4、numpy.zeros() 生成一个全是0的矩阵, 里面填入矩阵范围[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
numpy.zeros(shape, dtype=float, order='C', *, like=None)
x = np.zeros((3, 4))
print(x)
5、numpy.eye() 可填入两个参数分别代表行和列,也可只填一个参数,即为方阵[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C', *, like=None)
x = np.eye(3)
print(x)
y = np.eye(3, 4)
print(y)
6、numpy.empty() 返回一个没有经过初始化的一个矩阵[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]]
numpy.empty(shape, dtype=float, order='C', *, like=None)
x = np.empty((3, 4))
print(x)
7、numpy.linspace 返回在指定的范围内确定个数的等间距的一组数的向量[[6.23042070e-307 2.22523004e-307 1.24610994e-306 1.60219035e-306]
[1.24611674e-306 2.22522597e-306 1.33511969e-306 1.39071021e-307]
[1.78018403e-306 1.78018403e-306 8.34426464e-308 2.22522596e-306]]
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
可以看到默认是50个
X = numpy.linspace(1, 10, 10)
print(X)
x = numpy.linspace(1, 50)
print(x)
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18.
19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36.
37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50.]
更多的方法以及详细内容可以移步Routines — NumPy v1.23.dev0 Manual
补充:矩阵的逆矩阵若两个矩阵A / B满足: AB = BA = E (E为单位矩阵). 则称A与B互为逆矩阵.
单位矩阵E: 主对角线为1, 其他元素都为0.
矩阵求逆的API:
mi = m.I
mi = np.linalg.inv(m)
矩阵求逆时, 若把方阵推广到非方阵, 则称为矩阵的广义逆矩阵.
案例: 求斐波那契数列
x 1 1 1 1 1 1
1 0 1 0 1 0
----------------------------------
1 1 2 1 3 2 5 3
1 0 1 1 2 1 3 2 ...
m = np.mat('1 1; 1 0')
for i in range(1, 30):
print((m**i)[0,1], end=' ')
1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765 10946
17711 28657 46368 75025 121393 196418 317811 514229
总结
到此这篇关于Python numpy生成矩阵基础用法的文章就介绍到这了,更多相关Python numpy生成矩阵内容请搜索易知道(ezd.cc)以前的文章或继续浏览下面的相关文章希望大家以后多多支持易知道(ezd.cc)!