numpy模塊中的矩陣對象為numpy.matrix，包括矩陣數據的處理，矩陣的計算，以及基本的統計功能，轉置，可逆性等等，包括對復數的處理，均在matrix對象中。 class numpy.matrix(data,dtype,copy):返回一個矩陣，其中data為ndarray對象或者字符形式；dtype:為data的type；copy:為bool類型。

>>> a = np.matrix('1 2 7; 3 4 8; 5 6 9') >>> a???????????? #矩陣的換行必須是用分號(;)隔開，內部數據必須為字符串形式(‘ ’)，矩 matrix([[1, 2, 7],?????? #陣的元素之間必須以空格隔開。 [3, 4, 8], [5, 6, 9]])>>> b=np.array([[1,5],[3,2]]) >>> x=np.matrix(b)?? #矩陣中的data可以為數組對象。 >>> x matrix([[1, 5], [3, 2]])

矩陣對象的屬性：

matrix.T transpose：返回矩陣的轉置矩陣

matrix.H hermitian (conjugate) transpose：返回復數矩陣的共軛元素矩陣

matrix.I inverse：返回矩陣的逆矩陣

matrix.A base array：返回矩陣基于的數組

矩陣對象的方法：

all([axis, out]) :沿給定的軸判斷矩陣所有元素是否為真(非0即為真)

any([axis, out]) :沿給定軸的方向判斷矩陣元素是否為真，只要一個元素為真則為真。

argmax([axis, out]) :沿給定軸的方向返回最大元素的索引（最大元素的位置）.

argmin([axis, out]): 沿給定軸的方向返回最小元素的索引（最小元素的位置）

argsort([axis, kind, order]) :返回排序后的索引矩陣

astype(dtype[, order, casting, subok, copy]):將該矩陣數據復制，且數據類型為指定的數據類型

byteswap(inplace) Swap the bytes of the array elements

choose(choices[, out, mode]) :根據給定的索引得到一個新的數據矩陣（索引從choices給定）

clip(a_min, a_max[, out]) :返回新的矩陣，比給定元素大的元素為a_max，小的為a_min

compress(condition[, axis, out]) :返回滿足條件的矩陣

conj() :返回復數的共軛復數

conjugate() :返回所有復數的共軛復數元素

copy([order]) :復制一個矩陣并賦給另外一個對象，b=a.copy()

cumprod([axis, dtype, out]) :返回沿指定軸的元素累積矩陣

cumsum([axis, dtype, out]) :返回沿指定軸的元素累積和矩陣

diagonal([offset, axis1, axis2]) :返回矩陣中對角線的數據

dot(b[, out]) :兩個矩陣的點乘

dump(file) :將矩陣存儲為指定文件,可以通過pickle.loads()或者numpy.loads()如:a.dump(‘d:\\a.txt’)

dumps() :將矩陣的數據轉存為字符串.

fill(value) :將矩陣中的所有元素填充為指定的value

flatten([order]) :將矩陣轉化為一個一維的形式，但是還是matrix對象

getA() :返回自己，但是作為ndarray返回

getA1()：返回一個扁平（一維）的數組（ndarray）

getH() :返回自身的共軛復數轉置矩陣

getI() :返回本身的逆矩陣

getT() :返回本身的轉置矩陣

max([axis, out]) ：返回指定軸的最大值

mean([axis, dtype, out]) :沿給定軸方向，返回其均值

min([axis, out]) ：返回指定軸的最小值

nonzero() :返回非零元素的索引矩陣

prod([axis, dtype, out]) :返回指定軸方型上，矩陣元素的乘積.

ptp([axis, out]) :返回指定軸方向的最大值減去最小值.

put(indices, values[, mode]) :用給定的value替換矩陣本身給定索引（indices）位置的值

ravel([order]) :返回一個數組，該數組是一維數組或平數組

repeat(repeats[, axis]) :重復矩陣中的元素，可以沿指定軸方向重復矩陣元素，repeats為重復次數

reshape(shape[, order]) :改變矩陣的大小,如：reshape([2,3])

resize(new_shape[, refcheck]) :改變該數據的尺寸大小

round([decimals, out]) :返回指定精度后的矩陣，指定的位數采用四舍五入，若為1，則保留一位小數

searchsorted(v[, side, sorter]) :搜索V在矩陣中的索引位置

sort([axis, kind, order]) :對矩陣進行排序或者按軸的方向進行排序

squeeze([axis]) :移除長度為1的軸

std([axis, dtype, out, ddof]) :沿指定軸的方向，返回元素的標準差.

sum([axis, dtype, out]) ：沿指定軸的方向，返回其元素的總和

swapaxes(axis1, axis2):交換兩個軸方向上的數據.

take(indices[, axis, out, mode]) :提取指定索引位置的數據,并以一維數組或者矩陣返回(主要取決axis)

tofile(fid[, sep, format]) :將矩陣中的數據以二進制寫入到文件

tolist() :將矩陣轉化為列表形式

tostring([order]):將矩陣轉化為python的字符串.

trace([offset, axis1, axis2, dtype, out]):返回對角線元素之和

transpose(*axes) :返回矩陣的轉置矩陣，不改變原有矩陣

var([axis, dtype, out, ddof]) ：沿指定軸方向，返回矩陣元素的方差

view([dtype, type]) :生成一個相同數據，但是類型為指定新類型的矩陣。

ü? All方法

>>> a = np.asmatrix('0 2 7; 3 4 8; 5 0 9') >>> a.all() False >>> a.all(axis=0) matrix([[False, False,? True]], dtype=bool) >>> a.all(axis=1) matrix([[False], [ True], [False]], dtype=bool)ü? Astype方法 >>> a.astype(float) matrix([[ 12.,?? 3.,?? 5.], [ 32.,? 23.,?? 9.], [ 10., -14.,? 78.]])ü? Argsort方法 >>> a=np.matrix('12 3 5; 32 23 9; 10 -14 78') >>> a.argsort() matrix([[1, 2, 0], [2, 1, 0], [1, 0, 2]])ü? Clip方法 >>> a matrix([[ 12,?? 3,?? 5], [ 32,? 23,?? 9], [ 10, -14,? 78]]) >>> a.clip(12,32) matrix([[12, 12, 12], [32, 23, 12], [12, 12, 32]])ü? Cumprod方法 >>> a.cumprod(axis=1) matrix([[??? 12,???? 36,??? 180], [??? 32,??? 736,?? 6624], [??? 10,?? -140, -10920]])ü? Cumsum方法 >>> a.cumsum(axis=1) matrix([[12, 15, 20], [32, 55, 64], [10, -4, 74]])ü? Tolist方法 >>> b.tolist() [[12, 3, 5], [32, 23, 9], [10, -14, 78]]ü? Tofile方法 >>> b.tofile('d:\\b.txt')ü? compress()方法 >>> from numpy import * >>> a = array([10, 20, 30, 40]) >>> condition = (a > 15) & (a < 35) >>> condition array([False, True, True, False], dtype=bool) >>> a.compress(condition) array([20, 30]) >>> a[condition]????????????????????????????????????? # same effect array([20, 30]) >>> compress(a >= 30, a)????????????????????????????? # this form a so exists array([30, 40]) >>> b = array([[10,20,30],[40,50,60]]) >>> b.compress(b.ravel() >= 22) array([30, 40, 50, 60]) >>> x = array([3,1,2]) >>> y = array([50, 101]) >>> b.compress(x >= 2, axis=1)?????????????????????? # illustrates the use of the axis keyword array([[10, 30], [40, 60]]) >>> b.compress(y >= 100, axis=0) array([[40, 50, 60]])

總結

以上是生活随笔為你收集整理的Numpy中矩阵对象的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。