前言：
今天为大家带来的内容是，总结python的常见矩阵运算！(矩阵的创建，numpy，应元素相乘）具有不错的参考意义，希望能够帮助到大家!
部分代码用图片方式呈现出来，方便各位观看与收藏！
提示：
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。
一.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。
二.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=mat(a1);
创建常见的矩阵
三.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
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);
矩阵点乘
a1=mat([2,2]); a2=a1*2;
3.矩阵求逆，转置
矩阵求逆
a1=mat(eye(2,2)*0.5); a2=a1.I; #求矩阵matrix([[0.5,0],[0,0.5]])的逆矩阵
矩阵转置
a1=mat([[1,1],[0,0]]); a2=a1.T;
4.计算矩阵对应行列的最大、最小值、和。
a1=mat([[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 a3=a1.sum(axis=1);//行和，这里得到的是3*1的矩阵 a4=sum(a1[1,:]);//计算第一行所有列的和，这里得到的是一个数值
计算最大、最小值和索引
5.矩阵的分隔和合并
矩阵的分隔，同列表和数组的分隔一致。
a=mat(ones((3,3))); b=a[1:,1:];//分割出第二行以后的行和第二列以后的列的所有元素
矩阵的合并
四.矩阵、列表、数组的转换
列表可以修改，并且列表中元素可以使不同类型的数据，如下：
l1=[[1],'hello',3];
numpy中数组，同一个数组中所有元素必须为同一个类型，有几个常见的属性：
它们之间的转换：
这里可以发现三者之间的转换是非常简单的，这里需要注意的是，当列表是一维的时候，将它转换成数组和矩阵后，再通过tolist()转换成列表是不相同的，需要做一些小小的修改。如下：
矩阵转换成数值，存在以下一种情况：
dataMat=mat([1]); val=dataMat[0,0];//这个时候获取的就是矩阵的元素的数值，而不再是矩阵的类型
以上就是本文的全部内容，希望对大家的学习有所帮助
小编再这里说句：我是一名python开发工程师，最近闲得无聊，整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习,面试宝典，面试宝典，面试宝典。想要这些资料的可以关注小编，并在后台私信小编：“07”即可领取。
,
