前言：

今天为大家带来的内容是，总结python的常见矩阵运算！(矩阵的创建，numpy，应元素相乘）具有不错的参考意义，希望能够帮助到大家!

部分代码用图片方式呈现出来，方便各位观看与收藏！

提示：

python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。

一.numpy的导入和使用

from numpy import *;#导入numpy的库函数import numpy as np; #这个方式使用numpy的函数时，需要以np.开头。

二.矩阵的创建

由一维或二维数据创建矩阵

from numpy import *;a1=array([1,2,3]);a1=mat(a1);

创建常见的矩阵

三.常见的矩阵运算

1. 矩阵相乘

a1=mat([1,2]); a2=mat([[1],[2]]);a3=a1*a2;#1*2的矩阵乘以2*1的矩阵，得到1*1的矩阵

2. 矩阵点乘

矩阵对应元素相乘

a1=mat([1,1]);a2=mat([2,2]);a3=multiply(a1,a2);

矩阵点乘

a1=mat([2,2]);a2=a1*2;

3.矩阵求逆，转置

矩阵求逆

a1=mat(eye(2,2)*0.5);a2=a1.I;#求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵

矩阵转置

a1=mat([[1,1],[0,0]]);a2=a1.T;

4.计算矩阵对应行列的最大、最小值、和。

a1=mat([[1,1],[2,3],[4,2]]);

计算每一列、行的和

a2=a1.sum(axis=0);//列和，这里得到的是1*2的矩阵a3=a1.sum(axis=1);//行和，这里得到的是3*1的矩阵a4=sum(a1[1,:]);//计算第一行所有列的和，这里得到的是一个数值

计算最大、最小值和索引

5.矩阵的分隔和合并

矩阵的分隔，同列表和数组的分隔一致。

a=mat(ones((3,3)));b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素

矩阵的合并

四.矩阵、列表、数组的转换

列表可以修改，并且列表中元素可以使不同类型的数据，如下：

l1=[[1],'hello',3];

numpy中数组，同一个数组中所有元素必须为同一个类型，有几个常见的属性：

它们之间的转换：

这里可以发现三者之间的转换是非常简单的，这里需要注意的是，当列表是一维的时候，将它转换成数组和矩阵后，再通过tolist()转换成列表是不相同的，需要做一些小小的修改。如下：

矩阵转换成数值，存在以下一种情况：

dataMat=mat([1]);val=dataMat[0,0];//这个时候获取的就是矩阵的元素的数值，而不再是矩阵的类型

以上就是本文的全部内容，希望对大家的学习有所帮助

小编再这里说句：我是一名python开发工程师，最近闲得无聊，整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习,面试宝典，面试宝典，面试宝典。想要这些资料的可以关注小编，并在后台私信小编：“07”即可领取。