Python NumPy中矩阵的基本用法汇总

NumPy是Python中用于科学计算的一个重要库，其中矩阵是NumPy中的一个重要数据类型。本文将详细讲解NumPy矩阵的基本用法包括矩阵的创建、矩阵的运算、矩阵的转置、矩阵的逆等方面。

矩阵的创建

在NumPy中可以使用array()函数来创建矩阵。下面是一个示例：

import numpy as np

# 创建一个二维数组
a = np.array([[1, 2], [3, 4]])
print(a)

在上面的示例中，我们使用array()函数创建了一个二维数组。

矩阵的运算

在NumPy中，可以对矩阵进行加、减、乘、除等运算。下面是一些常用的矩阵运算：

矩阵加法

import numpy as np

# 创建两个二维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 矩阵加法
c = a + b
print(c)

在上面的示中，我们使用+运算符对两个二维数组进行了加法运算。

矩阵乘法

import numpy as np

# 创建两个二维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

# 矩阵乘法
c = np.dot(a, b)
print(c)

在上面的示例中，我们使用dot()函数对两个二维数组进行了乘法运算。

矩阵的转置

在NumPy中，可以使用transpose()函数或T属性来对矩阵进行转置。下面是一个示例：

import numpy as np

# 创建一个二维数组
a = np.array([[1, 2], [3, 4]])

# 矩阵转置
b = np.transpose(a)
print(b)

# 矩阵转置
c = a.T
print(c)

在上面的示例中，我们使用transpose()函数和T属性对二维数组进行了转置操作。

矩阵的逆

在NumPy中，可以使用linalg.inv()函数来计算矩阵的逆。下面是一个示例：

import numpy as np

# 创建一个二维数组
a = np.array([[1, 2], [3, 4]])

# 计算矩阵的逆
b = np.linalg.inv(a)
print(b)

在上面的示例中，我们使用linalg.inv()函数计算了一个二维数组的逆。

示例1：创建一个三维数组并进行矩阵乘法运算

import numpy as np

# 创建两个三维数组
a = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
b = np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]])

# 矩阵乘法
c = np.dot(a, b)
print(c)

在上面的示例中，我们创建了两个三维数组，并对它们进行了矩阵乘法运算。

示例2：计算一个二维数组的逆

import numpy as np

# 创建一个二维数组
a = np.array([[1,2], [3, 4]])

# 计算矩阵的逆
b = np.linalg.inv(a)
print(b)