Python NumPy矩阵创建与基础运算详解

Python矩阵创建方法

在Python中进行矩阵处理，首先需要掌握矩阵的创建方式。

导入NumPy库的所有内容，通常使用语句：from numpy import *;

创建一个一维数组a1，例如：a1=array([1,2,3])

将该一维数组转换为矩阵对象a2，语句为：a2=mat(a1)

需要注意的是，矩阵（matrix）与普通的方块列表（list）在数据结构和使用场景上存在区别，矩阵更适合进行线性代数运算。

创建一个2行4列的全1矩阵，代码示例：data2=mat(ones((2,4)))

上述代码创建的是一个2*4的矩阵，默认数据类型为浮点型。若需指定为整型，可添加参数dtype=int，例如：data2=mat(ones((2,4), dtype=int))

生成一个包含2到8之间随机整数的2行5列矩阵，代码示例：data5=mat(random.randint(2,8,size=(2,5)))

该操作产生一个元素值在2至8范围内的随机整数矩阵。

创建一个2行2列的矩阵，代码示例：data3=mat(random.rand(2,2))

此处使用的random模块来自NumPy库。random.rand(2,2)生成的是一个二维数组，元素服从[0,1]区间内的均匀分布。由于需要矩阵对象，需将其转换为matrix类型，即data3=mat(random.rand(2,2))。

创建服从标准正态分布的2行2列矩阵，代码示例：data4=mat(random.randn(2,2))

根据官方文档，numpy.random.randn(d0,d1,…dn)用于创建指定形状的数组，元素服从标准正态分布N(0,1)。若需生成一般正态分布，可使用公式：sigma * np.random.randn(...) + mu，其中mu为均值，sigma为标准差。

生成一个0到1之间的随机浮点数，代码示例：a1=random.random()

random.random()函数用于生成一个[0,1)区间内的随机浮点数。

生成[0,1]之间均匀分布的随机浮点数数组，代码示例：a1=random.rand()

若指定维度，如a=random.rand(2)，则生成包含2个随机浮点数的数组。

示例输出可能为：array([ 0.00760085, 0.91928957])，具体数值每次运行可能不同。

关于random()与rand()的区别，需注意它们在不同语境下的行为。

在C语言等底层语境中，int rand(void)返回一个0到pow(2, sizeof(int))-1之间的随机整数。

long int random(void)返回一个0到pow(2, sizeof(long int))-1之间的随机长整数。

总结而言，rand和random的主要区别在于返回类型：前者通常为int，后者为long int。在32位系统上，两者表现可能相似，但数据类型定义不同。

在使用rand或random生成随机数前，通常建议设置随机种子，例如使用time(0)或getpid()。若不设置，默认种子为1，导致每次程序运行产生的随机数序列相同。

补充说明：pow(x, y)函数用于计算x的y次方，返回值为xy。

NumPy矩阵基础运算

接下来介绍NumPy库中矩阵的基础运算方法。

(1) 矩阵点乘（对应元素相乘）：使用multiply函数，例如m=multiply(A,B)，要求A和B形状相同。

(2) 矩阵乘法：有两种方式，m1=a*b（若a,b为matrix对象，则执行矩阵乘法）或m2=a.dot(b)（适用于数组或矩阵，执行线性代数乘法）。

(3) 矩阵求逆：使用属性.I，例如a.I，返回矩阵a的逆矩阵（若存在）。

(4) 矩阵转置：使用属性.T，例如a.T，返回矩阵a的转置矩阵。

以上即为Python中矩阵创建与基础运算的核心方法，掌握这些操作有助于高效进行科学计算和数据分析。