大家好，我是IT共享者，人稱皮皮。今天給大家介紹矩陣和NumPy數組。
一、什么是矩陣？
使用嵌套列表和NumPy包的Python矩陣。矩陣是一種二維數據結構，其中數字按行和列排列。
二、Python矩陣
1. 列表視為矩陣
Python沒有矩陣的內置類型。但是，可以將列表的列表視為矩陣。
例：
A = [[1, 4, 5],
[-5, 8, 9]]
可以將此列表的列表視為具有2行3列的矩陣。
如圖：
2. 如何使用嵌套列表。
A = [[1, 4, 5, 12],
[-5, 8, 9, 0],
[-6, 7, 11, 19]]
print("A =", A)
print("A[1] =", A[1]) # 第二行
print("A[1][2] =", A[1][2]) # 第二行的第三元素
print("A[0][-1] =", A[0][-1]) # 第一行的最后一個元素
column = []; # 空 list
for row in A:
column.append(row[2])
print("3rd column =", column)
當運行程序時，輸出為：
三、NumPy數組
1. 什么是NumPy？
NumPy是用於科學計算的軟件包，它支持強大的N維數組對象。
在使用NumPy之前，需要先安裝它。
2. 如何安裝NumPy？
如果使用Windows，使用PyCharm 安裝NumPy，NumPy它帶有一些其他與數據科學和機器學習有關的軟件包。
成功安裝了NumPy，就可以導入和使用它。
NumPy提供數字的多維數組（實際上是一個對象）。
例 ：
import numpy as np
a = np.array([1, 2, 3])
print(a) # 輸出: [1, 2, 3]
print(type(a)) # 輸出: <class 'numpy.ndarray'>
NumPy的數組類稱為ndarray。
注：
NumPy的數組類稱為ndarray。
3. 如何創建一個NumPy數組？
有幾種創建NumPy數組的方法。
3.1 整數，浮點數和復數的數組
import numpy as np
A = np.array([[1, 2, 3], [3, 4, 5]])
print(A)
A = np.array([[1.1, 2, 3], [3, 4, 5]]) # 浮點數組
print(A)
A = np.array([[1, 2, 3], [3, 4, 5]], dtype = complex) # 復數數組
print(A)
運行效果：
3.2 零和一的數組
import numpy as np
zeors_array = np.zeros( (2, 3) )
print(zeors_array)
ones_array = np.ones( (1, 5), dtype=np.int32 ) // dtype
print(ones_array) # 輸出: [[1 1 1 1 1]]
在這里，指定dtype了32位（4字節）。因此，該數組可以采用從到的值。-2-312-31-1
3.使用arange()和shape()
import numpy as np
A = np.arange(4)
print('A =', A)
B = np.arange(12).reshape(2, 6)
print('B =', B)
四、矩陣運算
兩個矩陣相加，兩個矩陣相乘以及一個矩陣轉置。在編寫這些程序之前，使用了嵌套列表。讓看看如何使用NumPy數組完成相同的任務。
兩種矩陣的加法
使用+運算符將兩個NumPy矩陣的對應元素相加。
import numpy as np
A = np.array([[2, 4], [5, -6]])
B = np.array([[9, -3], [3, 6]])
C = A + B # 元素聰明的加法
print(C)
兩個矩陣相乘
為了將兩個矩陣相乘，使用dot()方法。
注意：用於數組乘法（兩個數組的對應元素的乘法），而不是矩陣乘法。
import numpy as np
A = np.array([[3, 6, 7], [5, -3, 0]])
B = np.array([[1, 1], [2, 1], [3, -3]])
C = A.dot(B)
print(C)
矩陣轉置
使用numpy.transpose計算矩陣的轉置。
import numpy as np
A = np.array([[1, 1], [2, 1], [3, -3]])
print(A.transpose())
注：
NumPy使的任務更加輕松。
五、案例
1. 訪問矩陣元素
與列表類似，可以使用索引訪問矩陣元素。讓從一維NumPy數組開始。
import numpy as np
A = np.array([2, 4, 6, 8, 10])
print("A[0] =", A[0]) # First element
print("A[2] =", A[2]) # Third element
print("A[-1] =", A[-1]) # Last element
運行該程序時，輸出為：
現在，讓看看如何訪問二維數組（基本上是矩陣）的元素。
import numpy as np
A = np.array([[1, 4, 5, 12],
[-5, 8, 9, 0],
[-6, 7, 11, 19]])
# First element of first row
print("A[0][0] =", A[0][0])
# Third element of second row
print("A[1][2] =", A[1][2])
# Last element of last row
print("A[-1][-1] =", A[-1][-1])
當運行程序時，輸出將是：
2. 訪問矩陣的行
import numpy as np
A = np.array([[1, 4, 5, 12],
[-5, 8, 9, 0],
[-6, 7, 11, 19]])
print("A[0] =", A[0]) # First Row
print("A[2] =", A[2]) # Third Row
print("A[-1] =", A[-1]) # Last Row (3rd row in this case)
當運行程序時，輸出將是：
3. 訪問矩陣的列
import numpy as np
A = np.array([[1, 4, 5, 12],
[-5, 8, 9, 0],
[-6, 7, 11, 19]])
print("A[:,0] =",A[:,0]) # First Column
print("A[:,3] =", A[:,3]) # Fourth Column
print("A[:,-1] =", A[:,-1]) # Last Column (4th column in this case)
當運行程序時，輸出將是：
注：
使用NumPy（而不是嵌套列表）可以更輕松地處理矩陣，而且甚至都沒有涉及基礎知識。建議詳細研究NumPy軟件包，尤其是當嘗試將Python用於數據科學/分析時。
六、總結
本文基於Python基礎，介紹了矩陣和NumPy數組，重點介紹了NumPy數組，如何去安裝NumPy模塊，如何去創建一個NumPy數組的兩種方式。
通過案例的分析，代碼的演示，運行效果圖的展示，使用Python語言，能夠讓讀者更好的理解。
讀者可以根據文章內容，自己實現。有時候看到別人實現起來很簡單，但是到自己動手實現的時候，總會有各種各樣的問題，切勿眼高手低，勤動手，才可以理解的更加深刻。
代碼很簡單，希望對你學習有幫助。