Python numpy矩阵处理运算工具用法汇总

1. numpy简介

Numpy是Python中用于处理大型矩阵和数组的库。其主要依据是多维数组对象（ndarray），这些对象是在相同数据类型上的元素的集合。这使得Numpy允许大量元素的矩阵运算在Python中进行，而这些运算是基于C语言性能优化的。这使得Numpy成为数据科学和机器学习中的重要工具，因为这些任务通常涉及大量的数据集合和运算。

2. 安装Numpy

2.1 在Windows上安装numpy

对于Windows用户，最简单的方法是使用Anaconda或者Miniconda Python发行版。这些发行版包括Numpy和其他常用的Python库。安装完成后，用户可以使用以下命令确认是否已经安装了Numpy。

conda list numpy

如果已经安装了Numpy，则会显示其名称和版本。如果没有，则可以用下列命令安装最新版本的Numpy。

conda install numpy

2.2 在Linux上安装numpy

Linux用户使用以下命令安装Numpy。

sudo apt-get install python-numpy

3. 创建ndarray数组

在Numpy中，ndarray是一个固定大小的数组对象，其元素是同种数据类型。Numpy数组的新手可以使用以下函数创建一个ndarray数组。

3.1 从Python列表创建ndarray数组

可以从Python列表创建ndarray数组。例如：

import numpy as np
list1 = [0, 1, 2, 3, 4]
arr = np.array(list1)
print(arr)

这将输出：

[0 1 2 3 4]

3.2 使用numpy.arange函数创建ndarray数组

使用numpy.arange函数可以创建一个从一个范围中返回值的ndarray数组：

import numpy as np
arr = np.arange(0, 10, 2)
print(arr)

这将输出：

[0 2 4 6 8]

3.3 使用numpy.zeros创建ndarray数组

使用numpy.zeros函数创建一个具有指定大小的单精度浮点数的全零数组：

import numpy as np
arr = np.zeros((3, 5))
print(arr)

这将创建一个3行5列的数组，其元素全部为0.输出：

[[0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]

4. 索引和切片

下面介绍如何按照索引和切片读取和修改Numpy中ndarray数组。

4.1 索引和切片

使用方括号可访问ndarray数组中的元素。例如：

import numpy as np
arr = np.array([0, 1, 2, 3, 4])
idx = 2
print("访问元素：", arr[idx])

这将输出：

访问元素： 2

可以使用切片符号“:”对ndarray数组进行切片。例如：

import numpy as np
arr = np.array([0, 1, 2, 3, 4])
slice = arr[2:4]
print("切片结果：", slice)

这将输出：

切片结果： [2 3]

5. 矩阵运算

Numpy是一个用于高性能科学计算和数据分析的 Python 库。它为数组计算提供了大量支持和有效的数学运算工具。Numpy 具有广泛使用的线性代数、傅里叶变换和随机数生成功能。以下介绍矩阵加法、乘法、转置以及逆矩阵等运算。

5.1 矩阵加法

可以使用numpy.add函数执行numpy数组的加法。

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.add(arr1, arr2)
print("加法结果：", arr3)

这将输出：

加法结果： [5 7 9]

5.2 矩阵乘法

使用numpy.dot进行矩阵乘法。

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr3 = np.dot(arr1, arr2)
print("矩阵乘法结果：", arr3)

这将输出：

矩阵乘法结果： [[19 22]
 [43 50]]

5.3 转置

使用numpy的transpose函数可以进行矩阵的转置操作。

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = arr1.transpose()
print("转置结果：", arr2)

这将输出：

转置结果： [[1 3]
 [2 4]]

5.4 矩阵求逆

使用numpy.linalg.inv函数可以求矩阵的逆。

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.linalg.inv(arr1)
print("矩阵求逆结果：", arr2)

这将输出：

矩阵求逆结果： [[-2.   1. ]
 [ 1.5 -0.5]]