Python 中的数组和矩阵乘法及用法摘要(推荐)
最编程
2024-05-22 14:37:37
...
Matrix是Array的一个小的分支,包含于Array。所以matrix 拥有array的所有特性。
但在数组乘和矩阵乘时,两者各有不同,如果a和b是两个matrices,那么a*b,就是矩阵积
如果a,b是数组的话,则a*b是数组的运算
1.对数组的操作
>>> import numpy as np
>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) >>> a array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> b=a.copy() >>> b array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a+b#多维数组的加减,按对应位置操作 array([[ 2, 4, 6], [ 8, 10, 12], [14, 16, 18]]) >>> a*3#多维数组乘常数,则对数组中每一个元素乘该常数 array([[ 3, 6, 9], [12, 15, 18], [21, 24, 27]]) >>> np.dot(a,b)#数组的点乘运算通过np.dot(a,b)来实现,相当于矩阵乘 array([[ 30, 36, 42], [ 66, 81, 96], [102, 126, 150]]) >>> c=np.array([1,2,3])#构造一行三列的数组 >>> c array([1, 2, 3]) >>> c*a#c为一行三列,放于数组a之前,则对数组a中每行对应位置相乘 array([[ 1, 4, 9], [ 4, 10, 18], [ 7, 16, 27]]) >>> a*c#c为一行三列,放于数组a之后,依旧是对数组a中每行对应位置相乘 array([[ 1, 4, 9], [ 4, 10, 18], [ 7, 16, 27]]) >>> #如果想要矩阵运算,则需要np.dot()函数 >>> np.dot(c,a)#c为一行三列,放于数组a之前,按正常矩阵方式运算 array([30, 36, 42]) >>> np.dot(a,c)#c为一行三列,放于数组a之后,相当于矩阵a乘以3行一列的c矩阵,返回结果值不变,格式为1行3列 array([14, 32, 50]) >>> #将c改为多行一列的形式 >>> d=c.reshape(3,1) >>> d array([[1], [2], [3]]) >>> # >>> np.dot(a,d)#值与np.dot(a,c)一致,但格式以改变为3行1列 array([[14], [32], [50]]) >>> a*a#数组使用*的运算其结果属于数组运算,对应位置元素之间的运算 array([[ 1, 4, 9], [16, 25, 36], [49, 64, 81]]) >>> #但是不能更改a,d点乘的位置,不符合矩阵运算格式 >>> np.dot(d,a) Traceback (most recent call last): File "<pyshell#28>", line 1, in <module> np.dot(d,a) ValueError: shapes (3,1) and (3,3) not aligned: 1 (dim 1) != 3 (dim 0)
对于数组的转置,求逆,求迹运算请参考上篇文章
2.对矩阵的操作
>>> a=np.array([[1,2,3],[4,5,6],[7,8,9]]) >>> a=np.mat(a) >>> a matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> b=a >>> b matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a+b#矩阵的加减运算和数组运算一致 matrix([[ 2, 4, 6], [ 8, 10, 12], [14, 16, 18]]) >>> a-b matrix([[0, 0, 0], [0, 0, 0], [0, 0, 0]]) >>> a*b#矩阵的乘用*即可表示 matrix([[ 30, 36, 42], [ 66, 81, 96], [102, 126, 150]]) >>> np.dot(a,b)#与*一致 matrix([[ 30, 36, 42], [ 66, 81, 96], [102, 126, 150]]) >>> b*a matrix([[ 30, 36, 42], [ 66, 81, 96], [102, 126, 150]]) >>> np.dot(b,a) matrix([[ 30, 36, 42], [ 66, 81, 96], [102, 126, 150]]) >>> c=np.array([1,2,3])#构造一行三列数组 >>> c array([1, 2, 3]) >>> c*a#矩阵运算 matrix([[30, 36, 42]]) >>> a*c#不合矩阵规则 Traceback (most recent call last): File "<pyshell#63>", line 1, in <module> a*c File "F:\python3\anzhuang\lib\site-packages\numpy\matrixlib\defmatrix.py", line 309, in __mul__ return N.dot(self, asmatrix(other)) ValueError: shapes (3,3) and (1,3) not aligned: 3 (dim 1) != 1 (dim 0) >>> np.dot(c,a)#和矩阵运算一致 matrix([[30, 36, 42]]) >>> np.dot(a,c)#自动将a转换成3行1列参与运算,返回结果格式已经变为1行3列而非3行一列的矩阵 matrix([[14, 32, 50]]) >>> c=c.reshape(3,1) >>> c array([[1], [2], [3]]) >>> a*c#和矩阵运算一致 matrix([[14], [32], [50]]) >>> c*a#不合矩阵运算格式 Traceback (most recent call last): File "<pyshell#71>", line 1, in <module> c*a ValueError: shapes (3,1) and (3,3) not aligned: 1 (dim 1) != 3 (dim 0)
矩阵运算的另一个好处就是方便于求转置,求逆,求迹
>>> a matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a.T matrix([[1, 4, 7], [2, 5, 8], [3, 6, 9]]) >>> a.H#共轭转置 matrix([[1, 4, 7], [2, 5, 8], [3, 6, 9]]) >>> b=np.eye(3)*3 >>> b array([[3., 0., 0.], [0., 3., 0.], [0., 0., 3.]]) >>> b=np.mat(b) >>> b.I#求逆运算 matrix([[0.33333333, 0. , 0. ], [0. , 0.33333333, 0. ], [0. , 0. , 0.33333333]]) >>> np.trace(b)#求迹运算 9.0
以上所述是小编给大家介绍的python中数组和矩阵乘法及使用总结详解整合,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对网站的支持!
推荐阅读
-
包婷婷 (201550484)作业一 统计软件简介与数据操作-SPSS(Statistical Product and Service Solutions),"统计产品与服务解决方案"软件。最初软件全称为"(SolutionsStatistical Package for the Social Sciences),但是随着SPSS产品服务领域的扩大和服务深度的增加,SPSS公司已于2000年正式将英文全称更改为"统计产品与服务解决方案",标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称SPSS,有Windows和Mac OS X等版本。 1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+,开创了SPSS微机系列产品的开发方向,极大地扩充了它的应用范围,并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。 R统计软件介绍 R是一套完整的数据处理、计算和制图软件系统。其功能包括:数据存储和处理系统;数组运算工具(其向量、矩阵运算方面功能尤其强大);完整连贯的统计分析工具;优秀的统计制图功能;简便而强大的编程语言:可操纵数据的输入和输出,可实现分支、循环,用户可自定义功能。 与其说R是一种统计软件,还不如说R是一种数学计算的环境,因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。R的思想是:它可以提供一些集成的统计工具,但更大量的是它提供各种数学计算、统计计算的函数,从而使使用者能灵活机动的进行数据分析,甚至创造出符合需要的新的统计计算方法。 该语言的语法表面上类似 C,但在语义上是函数设计语言(functional programming language)的变种并且和Lisp 以及 APL有很强的兼容性。特别的是,它允许在"语言上计算"(computing on the language)。这使得它可以把表达式作为函数的输入参数,而这种做法对统计模拟和绘图非常有用。 R是一个免费的*软件,它有UNIX、LINUX、MacOS和WINDOWS版本,都是可以免费下载和使用的。在R主页那儿可以下载到R的安装程序、各种外挂程序和文档。在R的安装程序中只包含了8个基础模块,其他外在模块可以通过CRAN获得。 二、R语言 R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个*、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。 R作为一种统计分析软件,是集统计分析与图形显示于一体的。它可以运行于UNIX,Windows和Macintosh的操作系统上,而且嵌入了一个非常方便实用的帮助系统,相比于其他统计分析软件,R还有以下特点: 1.R是*软件。这意味着它是完全免费,开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数,安装好后可以直接实现许多常用的统计功能。[2] 2.R是一种可编程的语言。作为一个开放的统计编程环境,语法通俗易懂,很容易学会和掌握语言的语法。而且学会之后,我们可以编制自己的函数来扩展现有的语言。这也就是为什么它的更新速度比一般统计软件,如,SPSS,SAS等快得多。大多数最新的统计方法和技术都可以在R中直接得到。[2] 3. 所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时,它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中,随着新的统计分析方法的出现,标准安装文件中所包含的程序包也随着版本的更新而不断变化。在另外版安装文件中,已经包含的程序包有:base一R的基础模块、mle一极大似然估计模块、ts一时间序列分析模块、mva一多元统计分析模块、survival一生存分析模块等等.[2] 4.R具有很强的互动性。除了图形输出是在另外的窗口处,它的输入输出窗口都是在同一个窗口进行的,输入语法中如果出现错误会马上在窗口口中得到提示,对以前输入过的命令有记忆功能,可以随时再现、编辑修改以满足用户的需要。输出的图形可以直接保存为JPG,BMP,PNG等图片格式,还可以直接保存为PDF文件。另外,和其他编程语言和数据库之间有很好的接口。[2] 5.如果加入R的帮助邮件列表一,每天都可能会收到几十份关于R的邮件资讯。可以和全球一流的统计计算方面的专家讨论各种问题,可以说是全世界最大、最前沿的统计学家思维的聚集地.[2] R是基于S语言的一个GNU项目,所以也可以当作S语言的一种实现,通常用S语言编写的代码都可以不作修改的在R环境下运行。 R的语法是来自Scheme。R的使用与S-PLUS有很多类似之处,这两种语言有一定的兼容性。S-PLUS的使用手册,只要稍加修改就可作为R的使用手册。所以有人说:R,是S-PLUS的一个“克隆”。 但是请不要忘了:R是免费的(R is free)。R语言源代码托管在github,具体地址可以看参考资料。[3] 。 R语言的下载可以通过CRAN的镜像来查找。 R语言有域名为.cn的下载地址,有六个,其中两个由Datagurn,由 中国科学技术大学提供的。R语言Windows版,其中由两个下载地点是Datagurn和 USTC提供的。 三、stata Stata 是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件。它提供许许多多功能,包含线性混合模型、均衡重复反复及多项式普罗比模式。用Stata绘制的统计图形相当精美。 新版本的STATA采用最具亲和力的窗口接口,使用者自行建立程序时,软件能提供具有直接命令式的语法。Stata提供完整的使用手册,包含统计样本建立、解释、模型与语法、文献等超过一万余页的出版品。 除此之外,Stata软件可以透过网络实时更新每天的最新功能,更可以得知世界各地的使用者对于STATA公司提出的问题与解决之道。使用者也可以透过Stata. Journal获得许许多多的相关讯息以及书籍介绍等。另外一个获取庞大资源的管道就是Statalist,它是一个独立的listserver,每月交替提供使用者超过1000个讯息以及50个程序。 四、PYTHON
-
Python 中的数组和矩阵乘法及用法摘要(推荐)
-
解释 Python 中的算术乘法、数组乘法和矩阵乘法