Python NumPy矩阵列操作详解：创建、访问、修改与计算

码头散步

发布时间：2026-10-12 | 3人浏览过

原创

本文详细介绍Python中利用NumPy库进行矩阵列操作的核心技巧。内容涵盖矩阵的创建、通过切片访问特定列、修改与插入删除列数据，以及求和、排序和广播运算等高级应用。通过具体代码示例，帮助开发者掌握高效的数据处理与科学计算技能。

创建矩阵

在Python中，矩阵通常以二维数组或嵌套列表的形式存在。为了获得更高效的矩阵处理能力，推荐使用NumPy库。首先，需要导入NumPy库，并基于此创建初始矩阵对象。

import numpy as np

# 创建一个3x3的矩阵
matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

访问矩阵列

通过NumPy提供的切片机制，可以便捷地访问矩阵中的特定列。具体做法是指定所有行以及目标列的索引位置，从而提取出对应的列数据。

# 在第二列中获得所有元素。
column_2 = matrix[:, 1]
print(column_2)  # 输出: [2 5 8]

修改矩阵列

若需修改矩阵中的某一特定列，可通过索引定位该列，并直接赋予新的数值或数组。这种方式能够高效地更新矩阵中的列内容。

# 修改第三列的所有元素10。
matrix[:, 2] = 10
print(matrix)
# 输出：
# [[ 1  2 10]
#  [ 4  5 10]
#  [ 7  8 10]]

插入矩阵列

借助NumPy库中的insert函数，可以在矩阵的指定位置插入新的列。该方法允许用户定义插入位置的索引以及新列的数据内容。

# 位置1插入全为0的列。
matrix = np.insert(matrix, 1, 0, axis=1)
print(matrix)
# 输出：
# [[ 1  0  2 10]
#  [ 4  0  5 10]
#  [ 7  0  8 10]]

删除矩阵列

使用NumPy的delete函数，可以移除矩阵中指定的列。通过指定列索引和轴参数，能够灵活地删除不需要的列数据。

# 删除已经插入的第二列
matrix = np.delete(matrix, 1, axis=1)
print(matrix)
# 输出：
# [[ 1  2 10]
#  [ 4  5 10]
#  [ 7  8 10]]

计算矩阵列

对矩阵列进行统计分析是常见需求，包括计算列的和、平均值、最大值或最小值等。NumPy提供了相应的聚合函数，可指定轴参数以针对列进行计算。

# 计算每一列的和
column_sums = matrix.sum(axis=0)
print(column_sums)  # 输出：[12 15 30]

# 计算每个列的平均值
column_means = matrix.mean(axis=0)
print(column_means)  # 输出：[ 4.  5. 10.]

排序矩阵列

利用NumPy可以对矩阵列进行排序操作。需要注意的是，排序操作默认沿轴进行，这意味着每一列内的元素会独立排序，而不会跨行打乱行的结构。

# 为排序打造一个新的矩阵。
matrix_to_sort = np.array([[3, 1, 7],
                           [2, 6, 4],
                           [5, 8, 9]])

# 对每个列进行排序
np.sort(matrix_to_sort, axis=0)
print(matrix_to_sort)
# 输出：
# [[2 1 4]
#  [3 6 7]
#  [5 8 9]]

广播矩阵列

NumPy的广播机制允许将一维数组与矩阵进行运算。通过将一维数组重塑为列向量，可以将其应用于矩阵的每一列，从而实现高效的列级操作。

# 创建一维数组作为矩阵的列
col = np.array([1, 2, 3])

# 使用广播将col添加到matrix的每个列上。
new_matrix = matrix + col[:, np.newaxis]
print(new_matrix)
# 输出：
# [[ 2  3 11]
#  [ 6  7 12]
#  [10 11 13]]