numpy 矩阵

大学学的高数都还给体育老师了。

下面我们快速回忆一下矩阵的常用运算

不用循环对数组的元素进行批量操作，称为矢量化（vetorization)

?

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

import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = np.arange(6) b= b.reshape(2,3)   >>> a array([[1, 2, 3],        [4, 5, 6]]) >>> b array([[0, 1, 2],        [3, 4, 5]]) >>> a+b array([[ 1,  3,  5],        [ 7,  9, 11]]) >>> a-b array([[1, 1, 1],        [1, 1, 1]]) >>> a*b  #逐项相乘 array([[ 0,  2,  6],        [12, 20, 30]]) >>> a**b #逐项乘方 array([[   1,    2,    9],        [  64,  625, 7776]]) >>> sum(a) array([5, 7, 9])   >>> np.sin(a) array([[ 0.84147098,  0.90929743,  0.14112001],        [-0.7568025 , -0.95892427, -0.2794155 ]]) >>> 1/a array([[1.        , 0.5       , 0.33333333],        [0.25      , 0.2       , 0.16666667]]) <br><br>

numpy array的切片是原来数组的视图，对切片的数据进行修改，会直接修改原来数组的数据。 除非进行显式的复制，例如arr[5:8].copy()

 

>>> a
array([[1, 2, 3],
       [4, 5, 6]])
#矩阵第一列
>>> a[:,0]
array([1, 4])
#矩阵第一行
>>> a[:1,]
array([[1, 2, 3]])
#矩阵最后一列
>>> a[:,-1]
array([3, 6])

 

　　

http://www.ruanyifeng.com/blog/2015/09/matrix-multiplication.html