Python: Numpy: 矩阵运算

最新推荐文章于 2025-06-03 15:29:23 发布

lcqin111

最新推荐文章于 2025-06-03 15:29:23 发布

阅读量255

点赞数

分类专栏： python:numpy

python:numpy 专栏收录该内容

25 篇文章

订阅专栏

本文详细介绍了如何使用argmin()和argmax()函数查找矩阵中的最小和最大元素索引，以及如何利用np.mean(), A.median(), cumsum(), nonzero(), sort()和clip()等函数进行矩阵的数据分析和处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

求矩阵中最小元素和最大元素的索引：argmin() 和 argmax()

>>> a.argmin()
0
>>> np.argmin(a)
0

axis : int, optional #官方文档

By default, the index is into the flattened array, otherwise along the specified axis.

这里，加参数axis=0沿列比较求出索引，axis=1沿行比较求出索引，不加则按flatten延伸求索引。

计算平均值： np.mean(A)或者A.mean()或者numpy.average(A)

求解中位数:

A.median()

累加函数:在cumsum()函数中：生成的每一项矩阵元素均是从原矩阵首项累加到对应项的元素之和。

累差运算函数:每一行中后一项与前一项之差。

nonzero()函数：这个函数将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵

>>> x[np.nonzero(x)]
array([1, 2, 1, 1])
>>> np.transpose(np.nonzero(x))
array([[0, 0],
       [1, 1],
       [2, 0],
       [2, 1])

>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a > 3
array([[False, False, False],
       [ True,  True,  True],
       [ True,  True,  True]])
>>> np.nonzero(a > 3)
(array([1, 1, 1, 2, 2, 2]), array([0, 1, 2, 0, 1, 2]))

其中transpose()函数是转置函数，也可以使用A.T来表示转置。

sort()函数：排序。numpy.sort(a, axis=-1, kind='quicksort', order=None)

详见：https://docs.scipy.org/doc/numpy/reference/generated/numpy.sort.html#numpy.sort

clip()函数：格式是clip(Array,Array_min,Array_max)

Array指的是将要被执行用的矩阵，而后面的最小值最大值则用于让函数判断矩阵中元素是否有比最小值小的或者比最大值大的元素，并将这些指定的元素转换为最小值或者最大值。

A = np.arange(3,15).reshape((3,4))
         
print(A.flatten())   
# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

for item in A.flat:
    print(item)

flatten是一个展开性质的函数，将多维的矩阵进行展开成1行的数列。而flat是一个迭代器，本身是一个object属性