numpy求某一列的和的算法 numpy矩阵平素求和 _生活百科

大家好，我是IT共享者，人称皮皮。今天给大家介绍矩阵和NumPy数组。
一、什么是矩阵？使用嵌套列表和NumPy包的Python矩阵。矩阵是一种二维数据结构，其中数字按行和列排列。
二、Python矩阵1. 列表视为矩阵Python没有矩阵的内置类型。但是，可以将列表的列表视为矩阵。
例：
A = [[1, 4, 5],[-5, 8, 9]]可以将此列表的列表视为具有2行3列的矩阵。
如图：

文章插图
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])# 第一行的最后一个元素column = [];# 空 listfor row in A:column.append(row[2])print("3rd column =", column)

当运行程序时，输出为：

文章插图
三、NumPy数组1. 什么是NumPy？NumPy是用于科学计算的软件包，它支持强大的N维数组对象。
在使用NumPy之前，需要先安装它。
2. 如何安装NumPy？如果使用Windows，使用PyCharm 安装NumPy，NumPy它带有一些其他与数据科学和机器学习有关的软件包。
成功安装了NumPy，就可以导入和使用它。

文章插图
NumPy提供数字的多维数组（实际上是一个对象）。
例：
import numpy as npa = np.array([1, 2, 3])print(a)# 输出: [1, 2, 3]print(type(a))# 输出: <class 'numpy.ndarray'>NumPy的数组类称为ndarray 。
采集失败，请手动处理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的数组类称为ndarray 。
3. 如何创建一个NumPy数组？有几种创建NumPy数组的方法。
3.1 整数，浮点数和复数的数组

import numpy as npA = np.array([[1, 2, 3], [3, 4, 5]])print(A)A = np.array([[1.1, 2, 3], [3, 4, 5]]) # 浮点数组print(A)A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 复数数组print(A)

运行效果：

文章插图
3.2 零和一的数组

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

文章插图
在这里，指定dtype了32位（4字节）。因此，该数组可以采用从到的值。-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)采集失败，请手动处理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、矩阵运算两个矩阵相加，两个矩阵相乘以及一个矩阵转置。在编写这些程序之前，使用了嵌套列表。让看看如何使用NumPy数组完成相同的任务。
两种矩阵的加法
使用+运算符将两个NumPy矩阵的对应元素相加。
import numpy as npA = np.array([[2, 4], [5, -6]])B = np.array([[9, -3], [3, 6]])C = A + B# 元素聪明的加法print(C)

文章插图
两个矩阵相乘
为了将两个矩阵相乘，使用dot()方法。
注意：用于数组乘法（两个数组的对应元素的乘法），而不是矩阵乘法。
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)

文章插图
矩阵转置
使用numpy.transpose计算矩阵的转置。
import numpy as npA = np.array([[1, 1], [2, 1], [3, -3]])print(A.transpose())采集失败，请手动处理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使的任务更加轻松。
五、案例1. 访问矩阵元素与列表类似，可以使用索引访问矩阵元素。让从一维NumPy数组开始。

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

运行该程序时，输出为：

文章插图
现在，让看看如何访问二维数组（基本上是矩阵）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])

当运行程序时，输出将是：
采集失败，请手动处理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. 访问矩阵的行

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)

当运行程序时，输出将是：

文章插图
3. 访问矩阵的列

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)

当运行程序时，输出将是：
采集失败，请手动处理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矩阵平素求和】使用NumPy（而不是嵌套列表）可以更轻松地处理矩阵，而且甚至都没有涉及基础知识。建议详细研究NumPy软件包，尤其是当尝试将Python用于数据科学/分析时。
六、总结本文基于Python基础，介绍了矩阵和NumPy数组，重点介绍了NumPy数组，如何去安装NumPy模块，如何去创建一个NumPy数组的两种方式。
通过案例的分析，代码的演示，运行效果图的展示，使用Python语言，能够让读者更好的理解。
读者可以根据文章内容，自己实现。有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
代码很简单，希望对你学习有帮助。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：