本篇文章给大家分享的是有关如何在Python中使用Numpy mat，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
基本操作
>>> m= np.mat([1,2,3]) #创建矩阵 >>> m matrix([[1, 2, 3]]) >>> m[0] #取一行 matrix([[1, 2, 3]]) >>> m[0,1] #第一行，第2个数据 2 >>> m[0][1] #注意不能像数组那样取值了 Traceback (most recent call last): File "", line 1, in File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__ out = N.ndarray.__getitem__(self, index) IndexError: index 1 is out of bounds for axis 0 with size 1 #将Python的列表转换成NumPy的矩阵 >>> list=[1,2,3] >>> mat(list) matrix([[1, 2, 3]]) #Numpy dnarray转换成Numpy矩阵 >>> n = np.array([1,2,3]) >>> n array([1, 2, 3]) >>> np.mat(n) matrix([[1, 2, 3]]) #排序 >>> m=np.mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵 >>> m matrix([[2, 5, 1], [4, 6, 2]]) >>> m.sort() #对每一行进行排序 >>> m matrix([[1, 2, 5], [2, 4, 6]]) >>> m.shape #获得矩阵的行列数 (2, 3) >>> m.shape[0] #获得矩阵的行数 2 >>> m.shape[1] #获得矩阵的列数 3 #索引取值 >>> m[1,:] #取得第一行的所有元素 matrix([[2, 4, 6]]) >>> m[1,0:1] #第一行第0个元素，注意左闭右开 matrix([[2]]) >>> m[1,0:3] matrix([[2, 4, 6]]) >>> m[1,0:2] matrix([[2, 4]])
矩阵求逆、行列式
与Numpy array相同，可参考链接。
矩阵乘法
矩阵乘，与Numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。
>>> a = np.mat([[1,2,3], [2,3,4]]) >>> b = np.mat([[1,2], [3,4], [5,6]]) >>> a matrix([[1, 2, 3], [2, 3, 4]]) >>> b matrix([[1, 2], [3, 4], [5, 6]]) >>> a * b #方法一 matrix([[22, 28], [31, 40]]) >>> np.matmul(a, b) #方法二 matrix([[22, 28], [31, 40]]) >>> np.dot(a, b) #方法三 matrix([[22, 28], [31, 40]])
点乘，只剩下multiply方法了。
>>> a = np.mat([[1,2], [3,4]]) >>> b = np.mat([[2,2], [3,3]]) >>> np.multiply(a, b) matrix([[ 2, 4], [ 9, 12]])
矩阵转置
转置有两种方法：
>>> a matrix([[1, 2], [3, 4]]) >>> a.T #方法一，ndarray也行 matrix([[1, 3], [2, 4]]) >>> np.transpose(a) #方法二 matrix([[1, 3], [2, 4]])
值得一提的是，matrix中求逆还有一种简便方法（ndarray中不行）：
>>> a matrix([[1, 2], [3, 4]]) >>> a.I matrix([[-2. , 1. ], [ 1.5, -0.5]])
以上就是如何在Python中使用Numpy mat，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。