python创建矩阵行向量_Numpy中对向量、矩阵的使用详解

在下面的代码里面，我们利用numpy和scipy做了很多工作，每一行都有注释，讲解了对应的向量/矩阵操作。

归纳一下，下面的代码主要做了这些事：

创建一个向量

创建一个矩阵

创建一个稀疏矩阵

选择元素

展示一个矩阵的属性

对多个元素同时应用某种操作

找到最大值和最小值

计算平均值、方差和标准差

矩阵变形

转置向量或矩阵

展开一个矩阵

计算矩阵的秩

计算行列式

获取矩阵的对角线元素

计算矩阵的迹

计算特征值和特征向量

计算点积

矩阵的相加相减

矩阵的乘法

计算矩阵的逆

一起来看代码吧：

# 加载numpy库

import numpy as np

from scipy import sparse

# 创建一个一维数组表示一个行向量

vector_row = np.array([1, 2, 3])

# 创建一个一维数组表示一个列向量

vector_column = np.array([[1], [2], [3]])

# 创建一个二维数组表示一个矩阵

matrix1 = np.array([[1, 2], [1, 2], [1, 2]])

# 利用Numpy内置矩阵数据结构

matrix1_object = np.mat([[1, 2], [1, 2], [1, 2]])

# 创建一个新的矩阵

matrix2 = np.array([[0, 0], [0, 1], [3, 0]])

# 创建一个压缩的稀疏行(CSR)矩阵

matrix2_sparse = sparse.csc_matrix(matrix2)

# 查看稀疏矩阵

print(matrix2_sparse)

# 创建一个更大的矩阵

matrix_large = np.array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],

[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],

[3, 0, 0, 0, 0, 0, 0, 0, 0, 0]])

# 创建一个CSR矩阵

matrix_large_sparse = sparse.csr_matrix(matrix_large)

# 查看更大的稀疏矩阵

print(matrix_large_sparse)

# 创建一个行向量

vector = np.array([1, 2, 3, 4, 5, 6])

# 创建矩阵

matrix_vector = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 选择向量的第三个元素

print(vector[2])

# 选择第二行第二列

print(matrix