Повысьте свои навыки Python с помощью создания Numpy Matrix

Установить матрицу NumPy

Введение

В мире анализа данных и научных вычислений numpy — очень популярная библиотека Python. Он предоставляет эффективные и мощные инструменты для работы с массивами. Одна из фундаментальных функций numpy — создание матриц и управление ими. В этой статье мы рассмотрим, как устанавливать матрицы numpy, используя различные методы, и узнаем о различных доступных вариантах.

Содержание

• Методы создания числовых матриц
  • Способ 1: Использование списков
  • Способ 2: Использование случайных значений
  • Способ 3: использование заранее заданной формы
• Установка значений в числовых матрицах
  • Индивидуальный элемент
  • Нарезка
  • Целая строка/столбец
• Заключение
• Часто задаваемые вопросы

Методы создания числовых матриц

Способ 1: Использование списков

Самый распространенный метод создания числовой матрицы — использование списков. Передавая список списков в numpy.array()
функции вы можете создать матрицу нужной формы.

Например, рассмотрим следующий фрагмент кода:

 import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(matrix)

  

Этот код выведет следующую матрицу:

 [[1 2 3]
 [4 5 6]
 [7 8 9]]

  

Способ 2: Использование случайных значений

Иногда вам может понадобиться создать нулевую матрицу со случайными значениями. numpy.random
Модуль предоставляет для этой цели несколько функций.

Вот пример создания матрицы 3×3 со случайными значениями:

 import numpy as np

matrix = np.random.rand(3, 3)
print(matrix)

  

Результатом будет пустая матрица со случайными значениями:

 [[0.23423821 0.42617639 0.98743184]
 [0.75431811 0.12340523 0.65482345]
 [0.34275345 0.87954356 0.78941696]]

  

Способ 3: использование заранее заданной формы

В некоторых сценариях вам может потребоваться создать numpy-матрицу определенной формы, но заполненную постоянным значением. numpy.full()
Функция позволяет этого добиться.

Давайте создадим матрицу 2×4 со всеми элементами, равными 10:

 import numpy as np

matrix = np.full((2, 4), 10)
print(matrix)

  

Результирующая матрица numpy будет выглядеть следующим образом:

 [[10 10 10 10]
 [10 10 10 10]]

  

Установка значений в числовых матрицах

Индивидуальный элемент

После того, как вы создали numpy-матрицу, вам может потребоваться изменить или установить в ней определенные значения. Синтаксис изменения отдельного элемента прост.

Вот пример, демонстрирующий, как установить значение в первой строке и втором столбце равным 5:

 import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
matrix[0, 1] = 5
print(matrix)

  

Результирующая матрица будет:

 [[1 5 3]
 [4 5 6]
 [7 8 9]]

  

Нарезка

В numpy нарезка позволяет изменять диапазон значений в матрице. Допустим, мы хотим изменить значения во втором столбце на 0. Мы можем добиться этого, используя нарезку.

Рассмотрим следующий пример:

 import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
matrix[:, 1] = 0
print(matrix)

  

Результат будет:

 [[1 0 3]
 [4 0 6]
 [7 0 9]]

  

Целая строка/столбец

Чтобы установить значения всей строки или столбца в числовой матрице, вы можете использовать срез в сочетании с :
оператор.

Давайте установим для всех значений во второй строке значение -1:

 import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
matrix[1, :] = -1
print(matrix)

  

Результирующая матрица будет:

 [[ 1  2  3]
 [-1 -1 -1]
 [ 7  8  9]]

  

Заключение

Создание и установка numpy-матриц — фундаментальный аспект работы с numpy-массивами. В этой статье мы рассмотрели различные методы создания числовых матриц с использованием списков, случайных значений и предопределенных фигур. Мы также научились устанавливать значения в матрицах numpy на разных уровнях детализации — от отдельных элементов до целых строк или столбцов. Овладение этими методами даст вам необходимые навыки для эффективного манипулирования и анализа данных с помощью numpy.

Часто задаваемые вопросы

Q1
: Можем ли мы создать матрицу с комплексными числами?

Да, numpy поддерживает комплексные числа, и вы можете создавать содержащие их матрицы, используя numpy.complex
тип данных.

Q2
: Изменяемы ли матрицы numpy?

Да, матрицы numpy изменяемы, что означает, что их значения могут быть изменены после создания. Это делает numpy мощной библиотекой для манипулирования данными.

Q3
: Можем ли мы одновременно установить несколько значений в матрице numpy?

Да, numpy позволяет задавать несколько значений одновременно с помощью нарезки. Вы можете указать диапазон элементов и присвоить им новое значение.

Q4
: Можно ли изменить форму цифровой матрицы?

Да, вы можете изменить форму цифровой матрицы, используя numpy.reshape()
функция. Это позволяет изменять размеры матрицы, сохраняя общее количество элементов.

Q5
: Какое преимущество имеет numpy перед обычными списками Python?

Массивы и матрицы Numpy обеспечивают более эффективные и оптимизированные операции для числовых вычислений по сравнению с обычными списками Python. Векторизованные операции Numpys делают его быстрее и более подходящим для задач научных вычислений и анализа данных.

Не забудьте добавить эту статью в закладки для дальнейшего использования и изучения обширных возможностей numpy с матрицами!