Python中与Matlab对应的矩阵操作

前言

Python与Matlab在矩阵的处理方面比较相似，下面就通过它们之间的对应的矩阵处理命令介绍一下怎么使用Python进行矩阵处理。

Numpy的导入

Numpy是Python中处理矩阵的一个非常重要的开源包，下面是下载和使用Numpy的代码：

// 用 pip下载numpy
pip install numpy
// 导入 numpy
import numpy as np

Numpy中的Array数组

Array数组的创建

// 创建array数组
n1_array = np.array([[1, 2, 4], [3, 6, 8]])

对应矩阵操作

矩阵操作	Matlab	Python
创建全为0的矩阵	zeros(m, n)	np.zeros((m, n))
创建全为1的矩阵	ones(m, n)	np.ones((m, n))
创建单位矩阵	eye(n)	np.identity(n)
创建对角矩阵	diag(vector)	np.diag(vector)
创建随机数矩阵	rand(m, n)	np.random.random((m, n))
矩阵转置	A’	np.transpose(A)
矩阵求逆	inv(A)	np.linalg.inv(A)
矩阵求迹	trace(A)	np.trace(A)
矩阵求行列式	det(A)	np.linalg.det(A)
矩阵求特征值和特征向量	[vector, value] = eig(A)	value, vector = np.linalg.eig(A)
矩阵对应位置相乘	A .* B	A * B
矩阵乘法	A * B	np.dot(A, B)
矩阵各元素求平方	A.^2	A**2
矩阵按列求和	sum(A, 1)	np.sum(A, axis = 0)
矩阵按行求和	sum(A, 2)	np.sum(A, axis = 1)
矩阵内所有元素求和	sum(sum(A))	np.sum(A)
矩阵按列排序	sort(A, 1)	np.sort(A, axis = 0)
矩阵按行排序	sort(A, 2)	np.sort(A, axis = 1)
矩阵按列扩充	[A, B]	np.hstack((A, B))
矩阵按行扩充	[A; B]	np.vstack((A, B))
矩阵按列重组	reshape(A, [m,n])	np.reshape(A, (m, n), ‘F’)
矩阵按行重组	(reshape(A’, [n, m]))’	np.array(A, (m, n))
矩阵将其本身叠加m行	repmat(A, m, 1)	np.tile(A, (m, 1))
矩阵将其本身叠加n列	repmat(A, 1, n)	np.tile(A, (1, n))
矩阵按行排序并返回排序后元素的索引	[~, index] = sort(A, 2)	index = np.argsort(A, axis = 1)
矩阵按列排序并返回排序后元素的索引	[~, index] = sort(A, 1)	index = np.argsort(A, axis = 0)