numpy求某一列的和的算法 numpy矩陣平素求和 _生活百科

大家好，我是IT共享者，人稱皮皮。今天給大家介紹矩陣和NumPy數(shù)組。
一、什么是矩陣？使用嵌套列表和NumPy包的Python矩陣。矩陣是一種二維數(shù)據(jù)結(jié)構(gòu)，其中數(shù)字按行和列排列。
二、Python矩陣1. 列表視為矩陣Python沒有矩陣的內(nèi)置類型。但是，可以將列表的列表視為矩陣。
例：
A = [[1, 4, 5],[-5, 8, 9]]可以將此列表的列表視為具有2行3列的矩陣。
如圖：

文章插圖
2. 如何使用嵌套列表。

A = [[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]]print("A =", A) print("A[1] =", A[1])# 第二行print("A[1][2] =", A[1][2])# 第二行的第三元素print("A[0][-1] =", A[0][-1])# 第一行的最后一個元素column = [];# 空 listfor row in A:column.append(row[2])print("3rd column =", column)

當運行程序時，輸出為：

文章插圖
三、NumPy數(shù)組1. 什么是NumPy？NumPy是用于科學計算的軟件包，它支持強大的N維數(shù)組對象。
在使用NumPy之前，需要先安裝它。
2. 如何安裝NumPy？如果使用Windows，使用PyCharm 安裝NumPy，NumPy它帶有一些其他與數(shù)據(jù)科學和機器學習有關(guān)的軟件包。
成功安裝了NumPy，就可以導入和使用它。

文章插圖
NumPy提供數(shù)字的多維數(shù)組（實際上是一個對象）。
例：
import numpy as npa = np.array([1, 2, 3])print(a)# 輸出: [1, 2, 3]print(type(a))# 輸出: <class 'numpy.ndarray'>NumPy的數(shù)組類稱為ndarray 。
采集失敗，請手動處理https://p3-sign.toutiaoimg.com/pgc-image/09d56072610742e6be4745ee3e2259fe~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=yLx0LaEAGRB5r3Z5Hxu%2Bv5RZ9Oc%3D
注：
NumPy的數(shù)組類稱為ndarray 。
3. 如何創(chuàng)建一個NumPy數(shù)組？有幾種創(chuàng)建NumPy數(shù)組的方法。
3.1 整數(shù)，浮點數(shù)和復(fù)數(shù)的數(shù)組

import numpy as npA = np.array([[1, 2, 3], [3, 4, 5]])print(A)A = np.array([[1.1, 2, 3], [3, 4, 5]]) # 浮點數(shù)組print(A)A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 復(fù)數(shù)數(shù)組print(A)

運行效果：

文章插圖
3.2 零和一的數(shù)組

import numpy as npzeors_array = np.zeros( (2, 3) )print(zeors_array)ones_array = np.ones( (1, 5), dtype=np.int32 ) // dtypeprint(ones_array)# 輸出: [[1 1 1 1 1]]

文章插圖
在這里，指定dtype了32位（4字節(jié)）。因此，該數(shù)組可以采用從到的值。-2-312-31-1
3.使用arange()和shape()
import numpy as npA = np.arange(4)print('A =', A)B = np.arange(12).reshape(2, 6)print('B =', B)采集失敗，請手動處理https://p3-sign.toutiaoimg.com/pgc-image/41e36b487fc54282a47332fdedc43a6a~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=bhcPG%2Fenh3syXbj8jWw3CREhgA0%3D
四、矩陣運算兩個矩陣相加，兩個矩陣相乘以及一個矩陣轉(zhuǎn)置。在編寫這些程序之前，使用了嵌套列表。讓看看如何使用NumPy數(shù)組完成相同的任務(wù) 。
兩種矩陣的加法
使用+運算符將兩個NumPy矩陣的對應(yīng)元素相加。
import numpy as npA = np.array([[2, 4], [5, -6]])B = np.array([[9, -3], [3, 6]])C = A + B# 元素聰明的加法print(C)

文章插圖
兩個矩陣相乘
為了將兩個矩陣相乘，使用dot()方法。
注意：用于數(shù)組乘法（兩個數(shù)組的對應(yīng)元素的乘法），而不是矩陣乘法。
import numpy as npA = np.array([[3, 6, 7], [5, -3, 0]])B = np.array([[1, 1], [2, 1], [3, -3]])C = A.dot(B)print(C)

文章插圖
矩陣轉(zhuǎn)置
使用numpy.transpose計算矩陣的轉(zhuǎn)置。
import numpy as npA = np.array([[1, 1], [2, 1], [3, -3]])print(A.transpose())采集失敗，請手動處理https://p26-sign.toutiaoimg.com/pgc-image/5308ca6888b54a43af37451348c5c0f6~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=YVRMIgVtepMnK5ucxRPa%2F8Sb3D8%3D
注：
NumPy使的任務(wù)更加輕松。
五、案例1. 訪問矩陣元素與列表類似，可以使用索引訪問矩陣元素。讓從一維NumPy數(shù)組開始。

import numpy as npA = np.array([2, 4, 6, 8, 10])print("A[0] =", A[0])# First elementprint("A[2] =", A[2])# Third element print("A[-1] =", A[-1])# Last element

運行該程序時，輸出為：

文章插圖
現(xiàn)在，讓看看如何訪問二維數(shù)組（基本上是矩陣）的元素。

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])#First element of first rowprint("A[0][0] =", A[0][0])# Third element of second rowprint("A[1][2] =", A[1][2])# Last element of last rowprint("A[-1][-1] =", A[-1][-1])

當運行程序時，輸出將是：
采集失敗，請手動處理https://p3-sign.toutiaoimg.com/pgc-image/115fac88457b451e97827b58bd0e75b6~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=tTKO%2BV5Z0PTv0UmCwM7ZEPLpqvg%3D
2. 訪問矩陣的行

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])print("A[0] =", A[0]) # First Rowprint("A[2] =", A[2]) # Third Rowprint("A[-1] =", A[-1]) # Last Row (3rd row in this case)

當運行程序時，輸出將是：

文章插圖
3. 訪問矩陣的列

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])print("A[:,0] =",A[:,0]) # First Columnprint("A[:,3] =", A[:,3]) # Fourth Columnprint("A[:,-1] =", A[:,-1]) # Last Column (4th column in this case)

當運行程序時，輸出將是：
采集失敗，請手動處理https://p3-sign.toutiaoimg.com/pgc-image/64eeee937a2c49adbbbfc6434c670d58~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=puO%2BTBZ4KcLLQXsX%2BU%2Fs%2BF9XQz0%3D
注：
【numpy求某一列的和的算法 numpy矩陣平素求和】使用NumPy（而不是嵌套列表）可以更輕松地處理矩陣，而且甚至都沒有涉及基礎(chǔ)知識。建議詳細研究NumPy軟件包，尤其是當嘗試將Python用于數(shù)據(jù)科學/分析時。
六、總結(jié)本文基于Python基礎(chǔ)，介紹了矩陣和NumPy數(shù)組，重點介紹了NumPy數(shù)組，如何去安裝NumPy模塊，如何去創(chuàng)建一個NumPy數(shù)組的兩種方式。
通過案例的分析，代碼的演示，運行效果圖的展示，使用Python語言，能夠讓讀者更好的理解。
讀者可以根據(jù)文章內(nèi)容，自己實現(xiàn) 。有時候看到別人實現(xiàn)起來很簡單，但是到自己動手實現(xiàn)的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，才可以理解的更加深刻。
代碼很簡單，希望對你學習有幫助。

以上關(guān)于本文的內(nèi)容，僅作參考！溫馨提示：如遇健康、疾病相關(guān)的問題，請您及時就醫(yī)或請專業(yè)人士給予相關(guān)指導!

「愛刨根生活網(wǎng)」www.malaban59.cn小編還為您精選了以下內(nèi)容，希望對您有所幫助：