Nota: NumPy es el sucesor de Numarray y se utiliza para reemplazar NumArray. SAGE es un paquete de software matemático integrado basado en NumPy y varias otras herramientas, con el objetivo de reemplazar herramientas como Magma, Maple, Mathematica y Matlab. Hoy me gustaría buscar en línea algunas informaciones sobre NumPy y cuando intenté buscar matrices invertidas con NumPy, no encontré ninguna información en chino. Algunos usuarios en el foro me pidieron cómo hacer matrices con python, pero nadie respondió.
Los tipos de matriz heredan los tipos de ndarray y por lo tanto contienen todas las propiedades y métodos de datos de ndarray. Los tipos de matriz y los tipos de ndarray tienen seis diferencias importantes que pueden dar lugar a resultados no esperados cuando se opera un objeto de matriz como un array.
1) Los objetos de matriz se pueden crear con una cadena de estilo Matlab, una cadena separada por espacios y separada por puntos.
2) Los objetos de la matriz son siempre bidimensionales. Esto tiene efectos profundos, por ejemplo, el valor de retorno de m.ravel (() es bidimensional, el valor de retorno de los miembros seleccionados también es bidimensional, por lo que el comportamiento de la secuencia será esencialmente diferente al de la matriz.
3) Los multiplicadores del tipo matriz cubren los multiplicadores de la matriz, y utilizan el cálculo multiplicativo de la matriz. Cuando recibas los valores de retorno de la matriz, asegúrate de que ya entiendes el significado de estas funciones. En particular, el hecho de que la función asanarray ((m)) devuelva una matriz si es una mmatrix.
4) Las operaciones de la matriz de tipo array también cubren las operaciones de la matriz anterior, usando arrays de matrices. Sobre la base de este hecho, se recuerda que si se usa arrays de una matriz como parámetros, se llama asanarray (...), lo mismo que anteriormente.
5) La prioridad array_default de la matriz es 10.0, por lo que las operaciones que mezclan los objetos ndarray y matrix siempre devuelven la matriz.
6) Las matrices tienen varias propiedades específicas que hacen que el cálculo sea más fácil, que son:
(a).T -- Volver a su propia posición
(b).H - regresa a su propia posición de resonancia
©.I -- Volver a su propia matriz inversa
(d).A -- una vista de un conjunto de dos dimensiones que devuelve sus propios datos (sin hacer ninguna copia)
La clase matrix es una subclase de Python de ndarray, y también se puede aprender esta implementación para construir su propia subclase de ndarray. Los objetos de matrix también pueden ser construidos con otros objetos de matrix, letras, cuerdas u otros que pueden ser convertidos en parámetros de ndarray. Además, en NumPy, el matriz de matriz es un alias de matriz de matriz.
Ejemplo 1: Construir matrices con una cadena
import numpy as np
a=np.mat('1 2 3; 4 5 3')
print (a*a.T).I
[[ 0.29239766 -0.13450292]
[-0.13450292 0.08187135]]
Ejemplo 2: Construcción de matrices con secuencias de nidos
np.matrix([[ 1.+0.j, 5.+0.j, 10.+0.j],
[ 1.+0.j, 3.+0.j, 0.+4.j]])
Ejemplo 3: Construir una matriz con un conjunto
np.mat( np.random.rand(3,3) ).T
np.matrix([[ 0.81541602, 0.73987459, 0.03509142],
[ 0.14767449, 0.60539483, 0.05641679],
[ 0.43257759, 0.628695 , 0.47413553]])
Matrix ((data, dtype=None, copy=True)) Convierte en matriz los datos transmitidos con datos de parámetros. Si dtype es None, el tipo de datos será determinado por el contenido de los datos. Si copy es True, se copiarán los datos de los datos, si no, se utilizará el búfer de datos original.候会调用matrix.new(matriz, datos, dtype, copia) ¿Por qué no? Es sólo un alias de la matriz. Asmatrix ((data, dtype=None) es el nombre de una matriz de datos. Devuelve datos que no han sido copiados. Es equivalente a matriz ((data, dtype, copy=False)). Bmat (obj, ldict=None, gdict=None) Construye una matriz usando una cadena, una secuencia de enlaces o una matriz (array). Este comando te permite construir matrices a partir de otros objetos. Cuando obj es una cadena, se utilizan los parámetros ldict y gdict, que son diccionarios locales y módulos. Si no los proporcionas, estos serán proporcionados por el sistema.
A=np.mat('2 2; 2 2'); B=np.mat('1 1; 1 1');
print(np.bmat('A B; B A'))
[[2 2 1 1]
[2 2 1 1]
[1 1 2 2]
[1 1 2 2]]
Traducido por su Frank