Python之数据分析（Numpy的矩阵相关操作、ufunc泛化函数对象）

╰+哭是因爲堅強的太久メ 2022-11-26 07:41 85阅读 0赞

### 文章目录 ###

*   *   *  一、矩阵相关操作
         *  二、ufunc统一泛化函数

### 一、矩阵相关操作 ###

**1、三种构造矩阵的方法**

*  np.matrix(二维容器, copy=True)  
    一参为可被解释为矩阵的二维容器，比如二维数组、二维列表；  
    二参为copy，表示是否将原容器的数据复制一份，若为True则不会影响原容器，若为false则会影响原容器数据
 *  numpy.mat(可被解释的二维容器)——>这种方法则一定是将数据与元容器共享
 *  numpy.bmat(‘A B; C D’) ——>块级拼接，这种方法是将多个小的矩阵合成一个大的矩阵

**2、常用属性**

*  T属性：转置运算
 *  I属性：广义逆矩阵，非方阵也可以算出逆矩阵（两个互逆矩阵相乘等于单位矩阵，类似1；即为A\*B=E）
 *  两矩阵相乘（举例二维矩阵）：  
    第一行乘第一列之和，第一行乘第二列之和  
    第二行乘第一列之和，第二行乘第二列之和

**3、练习代码**

import numpy as np
    
    # 二维数组作为二维容器
    a = np.array([
        [1, 2],
        [3, 4]
    ])
    
    
    # 将二维容器转换为矩阵
    b = np.matrix(a)
    c = np.mat(a)
    # 改变容器数据
    a *= 10
    
    # 一个会变(mat)一个不会变(matrix)，若为二维列表则都会变（会自动复制一份）
    # 当然若设置matrix的copy也可以变：b = np.matrix(a, copy=False)
    print(b, type(b))
    print("-----------------------------")
    print(c, type(c))
    
    # 直接创建矩阵
    d = np.mat('11 22; 33 44')
    e = np.mat('55 66; 77 88')
    print("-----------------------------")
    print(d, type(d))
    
    # 块级拼接
    f = np.bmat('d e')  # 竖直拼接：f = np.bmat('d;e')
    print("-----------------------------")
    print(f, type(f))
    
    # 逆矩阵和矩阵相乘
    print("-----------------------------")
    print(c.I)
    print(c * d)

![矩阵基本操作][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70]

### 二、ufunc统一泛化函数 ###

**1、ufunc对象**  
统一泛化函数，与vectorize类似，只是frompyfunc会在数据后面跟上类型

**2、格式**  
numpy.frompyfunc(标量函数, 函数个数, 返回值个数)  
返回一个ufunc泛化函数对象，矢量返回值

**3、ufunc对象的方法（需要加一个add）**

*  numpy.add.reduce()：累加数组元素
 *  numpy.add.accumulate()：元素累加过程
 *  numpy.add.reduceat()：分段累加（在指定位置累加）
 *  numpy.add.outer()：求外和，分别给每一个元素加上给定列表中的数据  
    区分：numpy.outer()是求外积，给每一个元素乘上给定列表中的数据

**4、练习代码**

import numpy as np
    
    # def func(a, b):
    # return a+b, a-b, a*b
    # A = np.array([10, 20, 30])
    # B = np.array([100, 200, 300])
    #
    # C = np.vectorize(func)(A, B)
    # print(C)
    # D = np.frompyfunc(func, 2, 3)(A, B) # 2说明有两个参数，3说明有三个返回值
    # print(D)
    
    
    
    ''' ufunc函数对象的方法 '''
    a = np.arange(1, 7)
    print(a)
    b = np.add.reduce(a)
    print(b)
    c = np.add.accumulate(a)
    print(c)
    
    print("-----------------------------------")
    d = np.add.reduceat(a, [0, 2, 4])  # 在0，2，4位置做累加，即0后2前做一段累加，2后4前做一段累加，4后做一段累加
    print(d)
    e = np.add.outer([10, 20, 30], a)  # 求外和，分别给每一个元素加上10，20，30，组成新的数组
    print(e)
    f = np.outer([10, 20, 30], a)
    print(f)

![ufunc对象][ufunc]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1ZpZXdpbmZpbml0ZWx5_size_16_color_FFFFFF_t_70]: /images/20221124/6a4aed546bc24bba84fdc29fadc86891.png
[ufunc]: /images/20221124/da50f4a9e00f43fabd5cca3b390422bd.png