四、矩陣運算

兩個矩陣相加，兩個矩陣相乘以及一個矩陣轉置。在編寫這些程序之前，使用了嵌套列表。讓看看如何使用NumPy數組完成相同的任務。

兩種矩陣的加法

使用＋運算符將兩個NumPy矩陣的對應元素相加。

import numpy as np
A ＝ np．array（［［2， 4］， ［5， －6］］）B ＝ np．array（［［9， －3］， ［3， 6］］）C ＝ A ＋ B      ＃ 元素聰明的加法print（C）

兩個矩陣相乘

為了將兩個矩陣相乘，使用dot（）方法。

注意：用于數組乘法（兩個數組的對應元素的乘法），而不是矩陣乘法。

import numpy as np
A ＝ np．array（［［3， 6， 7］， ［5， －3， 0］］）B ＝ np．array（［［1， 1］， ［2， 1］， ［3， －3］］）C ＝ A．dot（B）print（C）

矩陣轉置

使用numpy．transpose計算矩陣的轉置。

import numpy as np
A ＝ np．array（［［1， 1］， ［2， 1］， ［3， －3］］）print（A．transpose（））

注：

NumPy使的任務更加輕松。

五、案例

1． 訪問矩陣元素

與列表類似，可以使用索引訪問矩陣元素。讓從一維NumPy數組開始。

import numpy as npA ＝ np．array（［2， 4， 6， 8， 10］）
print（＂A［0］ ＝＂， A［0］）     ＃ First element     print（＂A［2］ ＝＂， A［2］）     ＃ Third element print（＂A［－1］ ＝＂， A［－1］）   ＃ Last element

運行該程序時，輸出為：

現在，讓看看如何訪問二維數組（基本上是矩陣）的元素。

import numpy as np
A ＝ 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］）

當運行程序時，輸出將是：

2． 訪問矩陣的行
import numpy as np
A ＝ 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）

當運行程序時，輸出將是：

3． 訪問矩陣的列
import numpy as np
A ＝ 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）

當運行程序時，輸出將是：

注：

使用NumPy（而不是嵌套列表）可以更輕松地處理矩陣，而且甚至都沒有涉及基礎知識。建議詳細研究NumPy軟件包，尤其是當嘗試將Python用于數據科學／分析時。

六、總結

本文基于Python基礎，介紹了矩陣和NumPy數組，重點介紹了NumPy數組，如何去安裝NumPy模塊，如何去創建一個NumPy數組的兩種方式。

通過案例的分析，代碼的演示，運行效果圖的展示，使用Python語言，能夠讓讀者更好的理解。

讀者可以根據文章內容，自己實現。有時候看到別人實現起來很簡單，但是到自己動手實現的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，才可以理解的更加深刻。

代碼很簡單，希望對你學習有幫助。