腳本之家服務器常用軟件

快捷導航

詳解numpy矩陣的創(chuàng)建與數(shù)據(jù)類型

更新時間：2019年10月18日 15:05:36 作者：lwf1881

這篇文章主要介紹了詳解numpy矩陣的創(chuàng)建與數(shù)據(jù)類型，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

Numpy是python常用的一個類庫，在python的使用中及其常見，廣泛用在矩陣的計算中，numpy對矩陣的操作與純python比起來速度有極大的差距。

一、構造矩陣

矩陣的構造可以有多種方法：

1.使用python中的方法構造矩陣

- 生成一維矩陣

# 使用python自帶的range（）方法生成一個矩陣
a = list(range(100))#range（）產生從0-99的一個列表
print(a)

在這里插入圖片描述

- 生成二維及多維矩陣

# 使用python自帶的range（）方法生成一個矩陣
a = list([[1,2,3],
     [4,5,6],
     [7,8,9]])
print(a)

2.使用numpy中的方法來生成矩陣

numpy類庫中生成的矩陣的數(shù)據(jù)類型為numpy.ndarray,與python中的列表不同。

（1）array()方法生成矩陣

#numpy入門
import numpy as np
data = [6,7.5,8,0,1]
data1 = [[1,2,3],[4,5,6]]
arr = np.array(data)
arr1 = np.array(data1)
print(arr)
print(arr1)

在這里插入圖片描述

array（）方法可以將一個列表轉換為對應維度相同的numpy矩陣。

（2）生成隨機矩陣方法rand（）和randn（）

import numpy as np
#生成一個隨機數(shù)矩陣
data = np.random.randn(2,3)#是從標準正態(tài)分布中返回一個或多個樣本值
data1 = np.random.rand(2,3)#隨機樣本位于[0, 1)中
print(data)
print(data1)

在這里插入圖片描述

（3）矩陣的加法與乘法，numpy矩陣中矩陣與數(shù)字相加或相乘，則數(shù)組中每一個元素都執(zhí)行相加或相乘。

import numpy as np
data = np.random.randn(10)#是從標準正態(tài)分布中返回一個或多個樣本值
print(data)
print("data * 10 :\n",data*10)#每一個元素乘以十
print("data+data:\n",data+data)#實現(xiàn)數(shù)組中每一個位置自加操作

在這里插入圖片描述

（4）零矩陣

可以用numpy的zeros()方法生成元素值全為0的矩陣。

import numpy as np
data = np.zeros(10)#生成一個一維的全零矩陣，矩陣的元素為十個
print("data:",data)
data1 = np.zeros((3,4))#生成一個三行四列的全零矩陣
print("data1:",data1)
data2 = np.zeros((3,4,3))
print("data2:",data2)#生成一個三維的全零矩陣

在這里插入圖片描述

（5）一矩陣

同零矩陣一樣，numpy中的ones()方法可以生產元素值全為一的矩陣

import numpy as np
data = np.ones(10)#生成一個一維的全零矩陣，矩陣的元素為十個
print("data:",data)
data1 = np.ones((3,4))#生成一個三行四列的全零矩陣
print("data1:",data1)
data2 = np.ones((3,4,3))
print("data2:",data2)

在這里插入圖片描述

（6）empty()方法

python中也可以使用numpy.empty()方法來生產一些看似是0的數(shù)，語法和ones()方法一樣

#numpy入門
import numpy as np
data = np.empty(10)#生成一個一維的全零矩陣，矩陣的元素為十個
print("data:",data)
data1 = np.empty((3,4))#生成一個三行四列的全零矩陣
print("data1:",data1)
data2 = np.empty((3,4,3))
print("data2:",data2)

在這里插入圖片描述

就算是在編譯器中顯示的值為0，但其實際的值并不是0，只是一個很靠近0的數(shù)。

#numpy入門
import numpy as np
data1 = np.empty((3,4))#生成一個三行四列的全零矩陣
print("data1:\n",data1)
print("1/data1:\n",1/data1)

在這里插入圖片描述

inf表示無窮大的意思，如若data1中數(shù)據(jù)的值為0的話，在運行的過程中解釋器會出錯。

#注意：認為np.empty會返回全0數(shù)組的想法是不安全的。很多情況下（如前所示），它返回的都是一些未初始化的垃圾值。

（7）arange()方法

類似于range()方法

import numpy as np
a = np.arange(10)
b = np.arange(2,20)
c = np.arange(0,50,5)
print("a:",a)
print("b:",b)
print("c:",c)

當只有一個參數(shù)n時表示產生一個從[0–n)的不包含n的一個矩陣

當有兩個參數(shù)m,n時表示產生一個從[m,n)的不包含n的一個矩陣

當含有三個參數(shù)m,n,l時,表示從m開始，每次已l為步長，產生一個矩陣，最大值不超過n

在這里插入圖片描述

（8）reshape()方法，重新生成矩陣的維度大小

import numpy as np
a = np.arange(10)
print(a)
a=a.reshape(2,5)
print(b)

在這里插入圖片描述

上例中，將一個一維的十元素矩陣轉換成一個兩行五列的矩陣。

注意：使用reshape（）方法從一維轉多維時，一維矩陣的元素個數(shù)必須與多維矩陣的相同，也即是上例中的10=2*5，如若不相等的話解釋器或出現(xiàn)錯誤。

（9）一些與矩陣的大小有關的值

import numpy as np
array = np.array([[1,2,3],
         [4,5,6],
         [7,8,9]])
print(array)
print(array.ndim)#維度
print(array.shape)#各維度的值
print(array.size)#元素個數(shù)
print(array.dtype)#元素的數(shù)據(jù)類型

在這里插入圖片描述