这篇文章将为大家详细讲解有关python中进行矩阵运算的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

创新互联主要从事网站设计制作、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务射洪,10年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792

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。

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。

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
array([1, 2, 3])
>>> a1=mat(a1)
>>> a1
matrix([[1, 2, 3]])
>>> shape(a1)
(1, 3)
>>> b=matrix([1,2,3])
>>> shape(b)
(1, 3)

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
>>> a3
matrix([[5]])

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)
>>> a3
matrix([[2, 2]])

矩阵点乘

>>>a1=mat([2,2]);
>>>a2=a1*2
>>>a2
matrix([[4, 4]])

3、矩阵求逆，转置 
矩阵求逆

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

矩阵转置

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

4.计算矩阵对应行列的最大、最小值、和。

>>>a1=mat([[1,1],[2,3],[4,2]])
>>> a1
matrix([[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
>>> a2
matrix([[7, 6]])
>>>a3=a1.sum(axis=1) #行和，这里得到的是3*1的矩阵
>>> a3
matrix([[2],
        [5],
        [6]])
>>>a4=sum(a1[1,:])  #计算第一行所有列的和，这里得到的是一个数值
>>> a4
5                    #第0行：1+1；第2行：2+3；第3行：4+2

关于python中进行矩阵运算的方法就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。

新闻标题：python中进行矩阵运算的方法
转载注明：http://scyanting.com/article/jpphsd.html