numpy中matrix的特殊属性

一、matrix特殊属性解释

numpy中matrix有下列的特殊属性，使得矩阵计算更加容易

摘自 NumPy Reference Release 1.8.1

1.1 The N-dimensional array (ndarray)

An ndarray is a (usually fixed-size) multidimensional container of items of the same type and size.

摘自 NumPy Reference Release 1.9.1

这些特殊属性中文含义如下：

matrix.T 　　转置矩阵

matrix.H 　　共轭转置矩阵

matrix.I 　　可逆矩阵的逆矩阵

matrix.A　　矩阵转为基本数组

二、程序测试

1、初始矩阵m为matrix([[1,2],[3,4]])

2、初始矩阵m为matrix([[ 0.+0.j, 1.+1.j],[ 2.-2.j, 3.-3.j]])

参考资料：

1、 NumPy Reference Release 1.8.1

　　http://docs.scipy.org/doc/

2、 NumPy Reference Release 1.9.1

　　http://docs.scipy.org/doc/

时间： 2024-12-28 04:12:35

numpy中matrix的特殊属性的相关文章

Python与线性代数——Numpy中的matrix()和array()的区别

Numpy中matrix必须是2维的,但是 numpy中array可以是多维的(1D,2D,3D····ND).matrix是array的一个小的分支,包含于array.所以matrix 拥有array的所有特性. matrix() 和 array() 的区别,主要从以下方面说起: 矩阵生成方式不同 import numpy as np a1 = np.array([[1, 2], [3, 4]]) b1 = np.mat([[1, 2], [3, 4]]) a2 = np.array(([1,

numpy中的matrix和array

Preface 在相关聚类算法的实现过程中,用python语言实现,会经常出现array和matrix的混淆,这里做个总结. array数组 numpy中最基本(默认)的类型是array,他的相关操作都是按元素操作的即用作数值计算当中(按元素操作有+,-,,/,*等).相乘举例: from numpy import * >>> a=array([1,2]) >>> a array([1, 2]) >>> b=array([2,3]) >>&

numpy中的ndarray方法和属性

原文地址 NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推.在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量.比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组.所以这个一维数组就是NumPy中的轴(axes),而轴的数量--秩,就是数组的维数. Numpy库中的矩阵模块为ndarray对象,有很多属性:T,data, dtype,flags,flat,imag,real,size, itemsize,

CSS3中transform几个属性值的注意点

transform(变形)是CSS3中的元素的属性,transform的属性值主要包括旋转rotate.扭曲skew.缩放scale和移动translate以及矩阵变形matrix 基本用法可以参考文章 CSS3 Transform. 与transition配合使用的方法参考CSS动画 animation与transition 本文记录几个注意点: 1.transform:rotate(30deg),2D旋转,正值为顺时针旋转,负值为逆时针旋转,默认旋转基点是中心点,也可以通过transform

[笔记]numpy中的tile与kron的用法

numpy中提供了不少数学中矩阵的运算.构造函数. 闭上眼睛想一想,发现其中常用的也就是那么几个:cos, sin, mean, dot, max,min, outer,argsort,ones,zeros,arrange,reshape,fft---等. 想了半天,可以也不超过30个左右常用函数. 但是numpy的确博大精深:查看文档发现有大概586个方法或属性! 今天,我就记录一下numpy中,矩阵运算tile与kron的用处之一吧. 确切的讲,是谈论的在向量化运算方面的用处. 记得高等代数

Numpy 中tile(A, reps)方法

官方文档: 个人理解: 返回值 ndarray,该函数是通过reps重复A后得到一个多位数组, 有点绕... 参数 A几乎可以是全体类型, array, list , tuple, dict, matrix, int, long ,str, bool 等等 reps,类型也很多, array, tuple, list, dict ,int ,long, bool 但是不管怎样都必须是 "一维数组(不一定是数组, 这里说成类一维数组)" , 如[1,2,3,4] , (1,2,3)或 3

numpy 中的reshape，flatten，ravel 数据平展，多维数组变成一维数组

numpy 中的reshape,flatten,ravel 数据平展,多维数组变成一维数组 import numpy as np 使用array对象 arr1=np.arange(12).reshape(3,4) print(arr1) print(type(arr1)) [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] <class 'numpy.ndarray'> flatten 展平 a=arr1.flatten() # 默认参数order=C,按照行进行展平:o

numpy中ndarray数据结构简介

一.综述 1.ndarray的本质是:对象 2.ndarray是numpy中的数据结构(叫做:n维数组),是同构数据多维容器,所有元素必须是相同类型 3.面向数组的编程和思维方式:用简洁的数组表达式代替循环写法,通常叫做 --‘矢量化’ 二.ndarray属性: 1.ndarray.ndim:数组的维数(即数组轴的个数,也被称作为秩 ). 2.ndarray.shape:数组的维数.维度,返回一个元组,这个元组的长度就是维度的数目,即ndim属性.比如2排3列的矩阵,其shape就是

numpy中矩阵

矩阵 Numpy中矩阵是ndarray的子类, 矩阵是二维的 Key_Function 1. 将字符串转为矩阵, 矩阵的行与行之间用分号隔开, 行间元素用空格隔开 2. 将Numpy的数组(如np.arange(9))转成矩阵 T属性: 获得矩阵的转置 I属性: 获得矩阵的逆矩阵 Code import numpy as np A = np.mat('1 2 3; 4 5 6; 7 8 9') print(A) ''' [[1 2 3] [4 5 6] [7 8 9]] ''' print(A.