这篇文章将为大家详细讲解有关python中进行矩阵运算的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
创新互联主要从事网站设计制作、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务射洪,10年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792
python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。
numpy的导入和使用
from numpy import *;#导入numpy的库函数 import numpy as np; #这个方式使用numpy的函数时，需要以np.开头。
矩阵的创建
由一维或二维数据创建矩阵
>>> from numpy import * >>> a1=array([1,2,3]) >>> a1 array([1, 2, 3]) >>> a1=mat(a1) >>> a1 matrix([[1, 2, 3]]) >>> shape(a1) (1, 3) >>> b=matrix([1,2,3]) >>> shape(b) (1, 3)
常见的矩阵运算
1. 矩阵相乘
>>>a1=mat([1,2]); >>>a2=mat([[1],[2]]); >>>a3=a1*a2 #1*2的矩阵乘以2*1的矩阵，得到1*1的矩阵 >>> a3 matrix([[5]])
2. 矩阵点乘
矩阵对应元素相乘
>>>a1=mat([1,1]); >>>a2=mat([2,2]); >>>a3=multiply(a1,a2) >>> a3 matrix([[2, 2]])
矩阵点乘
>>>a1=mat([2,2]); >>>a2=a1*2 >>>a2 matrix([[4, 4]])
3、矩阵求逆，转置
矩阵求逆
>>>a1=mat(eye(2,2)*0.5) >>> a1 matrix([[ 0.5, 0. ], [ 0. , 0.5]]) >>>a2=a1.I #求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵 >>> a2 matrix([[ 2., 0.], [ 0., 2.]])
矩阵转置
>>> a1=mat([[1,1],[0,0]]) >>> a1 matrix([[1, 1], [0, 0]]) >>> a2=a1.T >>> a2 matrix([[1, 0], [1, 0]])
4.计算矩阵对应行列的最大、最小值、和。
>>>a1=mat([[1,1],[2,3],[4,2]]) >>> a1 matrix([[1, 1], [2, 3], [4, 2]])
计算每一列、行的和
>>>a2=a1.sum(axis=0) #列和，这里得到的是1*2的矩阵 >>> a2 matrix([[7, 6]]) >>>a3=a1.sum(axis=1) #行和，这里得到的是3*1的矩阵 >>> a3 matrix([[2], [5], [6]]) >>>a4=sum(a1[1,:]) #计算第一行所有列的和，这里得到的是一个数值 >>> a4 5 #第0行：1+1；第2行：2+3；第3行：4+2
关于python中进行矩阵运算的方法就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
