python如何進行矩陣運算
python進行矩陣運算的方法:
1、矩陣相乘
>>>a1=mat([1,2]); >>>a2=mat([[1],[2]]); >>>a3=a1*a2 #1*2的矩陣乘以2*1的矩陣,得到1*1的矩陣 >>> a3 matrix([[5]])
2、矩陣對應(yīng)元素相乘
>>>a1=mat([1,1]); >>>a2=mat([2,2]); >>>a3=multiply(a1,a2) >>> a3 matrix([[2, 2]])
multiply()函數(shù):數(shù)組和矩陣對應(yīng)位置相乘,輸出與相乘數(shù)組/矩陣的大小一致
3、矩陣點乘
>>>a1=mat([2,2]); >>>a2=a1*2 >>>a2 matrix([[4, 4]])
4、矩陣求逆
>>>a1=mat(eye(2,2)*0.5) >>> a1 matrix([[ 0.5, 0. ], [ 0. , 0.5]]) >>>a2=a1.I #求矩陣matrix([[0.5,0],[0,0.5]])的逆矩陣 >>> a2 matrix([[ 2., 0.], [ 0., 2.]])
5、矩陣轉(zhuǎn)置
>>> a1=mat([[1,1],[0,0]]) >>> a1 matrix([[1, 1], [0, 0]]) >>> a2=a1.T >>> a2 matrix([[1, 0], [1, 0]])
6、計算每一列、行的和
>>>a2=a1.sum(axis=0) #列和,這里得到的是1*2的矩陣 >>> a2 matrix([[7, 6]]) >>>a3=a1.sum(axis=1) #行和,這里得到的是3*1的矩陣 >>> a3 matrix([[2], [5], [6]]) >>>a4=sum(a1[1,:]) #計算第一行所有列的和,這里得到的是一個數(shù)值 >>> a4 5 #第0行:1+1;第2行:2+3;第3行:4+2
內(nèi)容擴展:
numpy矩陣運算
(1) 矩陣點乘:m=multiply(A,B)
(2) 矩陣乘法:m1=a*b m2=a.dot(b)
(3) 矩陣求逆:a.I
(4) 矩陣轉(zhuǎn)置:a.T
到此這篇關(guān)于python如何進行矩陣運算的文章就介紹到這了,更多相關(guān)python進行矩陣運算的方法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Django添加bootstrap框架時無法加載靜態(tài)文件的解決方式
這篇文章主要介紹了Django添加bootstrap框架時無法加載靜態(tài)文件的解決方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03Python實現(xiàn)字典的key和values的交換
本文給大家分別介紹了在python3.0和2.7版本下實現(xiàn)字典的key和values的交換的程序代碼,非常的簡單實用,有需要的小伙伴可以參考下。2015-08-08基于Tensorflow搭建一個神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
神經(jīng)網(wǎng)絡(luò)可能會讓人感到恐懼,特別是對于新手機器學習的人來說。這篇文章主要介紹了基于Tensorflow搭建一個神經(jīng)網(wǎng)絡(luò)的實現(xiàn),從入門開始,感興趣的可以了解一下2021-05-05python中pytest收集用例規(guī)則與運行指定用例詳解
這篇文章主要介紹了python中pytest收集用例規(guī)則與運行指定用例詳解,天會講解一下pytest是如何收集我們寫好的用例?我們又有哪些方式來運行單個用例或者批量運行用例呢,需要的朋友可以參考下2019-06-06pytorch教程網(wǎng)絡(luò)和損失函數(shù)的可視化代碼示例
這篇文章主要介紹了pytorch教程中網(wǎng)絡(luò)和損失函數(shù)的可視化,文中附含詳細的代碼示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助2021-09-09