آموزش کتابخانه ماتریس در NumPy

آموزش کتابخانه ماتریس در NumPy

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش کتابخانه ماتریس در NumPy خواهیم پرداخت.

پیشنهاد ویژه : پکیج آموزش صفر تا صد پایتون

بسته NumPy شامل یک کتابخانه ماتریس numpy.matlib است. این ماژول توابعی دارد که به جای جدا کردن اشیا، ماتریس ها را برمی گرداند.

()matlib.empty 

تابع ()matlib.empty یک ماتریس جدید را بدون مقداردهی اولیه ورودی ها برمی گرداند. این تابع پارامترهای زیر را می گیرد.

numpy.matlib.empty(shape, dtype, order)

مثال

import numpy.matlib 
import numpy as np 

print np.matlib.empty((2,2)) 
# filled with random data

این خروجی زیر را تولید می کند –

[[ ۲٫۱۲۱۹۹۵۷۹e-314,   4.24399158e-314] 
 [ ۴٫۲۴۳۹۹۱۵۸e-314,   2.12199579e-314]]

()numpy.matlib.zeros 

این تابع ماتریس پر شده با صفر را برمی گرداند.

import numpy.matlib 
import numpy as np 
print np.matlib.zeros((2,2))

این خروجی زیر را تولید می کند –

[[۰٫ ۰٫]
[۰٫ ۰٫]]

()numpy.matlib.ones 

این تابع ماتریس پر شده با ۱s را برمی گرداند.

import numpy.matlib 
import numpy as np 
print np.matlib.ones((2,2))

این خروجی زیر را تولید می کند –

[[۱٫ ۱٫]
[۱٫ ۱٫]]

()numpy.matlib.eye 

این تابع یک ماتریس با ۱ در امتداد عناصر مورب و صفرها در جای دیگر برمی گرداند. این تابع پارامترهای زیر را می گیرد.

numpy.matlib.eye(n, M,k, dtype)

مثال

import numpy.matlib 
import numpy as np 
print np.matlib.eye(n = 3, M = 4, k = 0, dtype = float)

این خروجی زیر را تولید می کند –

[[۱٫ ۱٫ ۰٫ ۰٫ ۰٫]
[۰٫ ۱٫ ۰٫ ۰٫ ۰٫]
[۰٫ ۰٫ ۱٫ ۰٫]]

()numpy.matlib.identity 

تابع ()numpy.matlib.identity ماتریس Identity داده شده را برمی گرداند. ماتریس Identity یک ماتریس مربع با تمام عناصر مورب به صورت ۱ است.

import numpy.matlib 
import numpy as np 
print np.matlib.identity(5, dtype = float)

این خروجی زیر را تولید می کند –

[[۱٫ ۱٫ ۰٫ ۰٫ ۰٫ ۰٫]
[۰٫ ۱٫ ۱٫ ۰٫ ۰٫ ۰٫]
[۰٫ ۰٫ ۱٫ ۰٫ ۰٫]
[۰٫ ۰٫ ۰٫ ۱٫ ۰٫]
[۰٫ ۰٫ ۰٫ ۰٫ ۱٫]]

()numpy.matlib.rand

تابع ()numpy.matlib.rand یک ماتریس از اندازه داده شده را پر می کند با مقادیر تصادفی.

مثال

import numpy.matlib 
import numpy as np 
print np.matlib.rand(3,3)

این خروجی زیر را تولید می کند –

[[۰٫۸۲۶۷۴۴۶۴ ۰٫۵۷۲۰۶۸۳۷ ۰٫۱۵۴۹۷۵۱۹]
[۰٫۳۳۸۵۷۳۷۴ ۰٫۳۵۷۴۲۴۰۱ ۰٫۹۰۸۹۵۰۷۶]
[۰٫۰۳۹۶۸۴۶۷ ۰٫۱۳۹۶۲۰۸۹ ۰٫۳۹۶۶۵۲۰۱]]

توجه داشته باشید که یک ماتریس همیشه دو بعدی است ، در حالی که ndarray یک آرایه n بعدی است. هر دو شی قابل تبدیل هستند.

مثال

import numpy.matlib 
import numpy as np  

i = np.matrix('1,2;3,4') 
print i

این خروجی زیر را تولید می کند –

[[۱ ۲]
[۳ ۴]]

مثال

import numpy.matlib 
import numpy as np  

j = np.asarray(i) 
print j

این خروجی زیر را تولید می کند –

[[۱ ۲]
[۳ ۴]]

مثال

import numpy.matlib 
import numpy as np  

k = np.asmatrix (j) 
print k

این خروجی زیر را تولید می کند –

[[۱  ۲] 
 [۳  ۴]]

منبع.

لیست جلسات قبل آموزش NumPy

1. آموزش NumPy
2. معرفی NumPy
3. آموزش محیط کار NumPy
4. آموزش شی Ndarray در NumPy
5. آموزش انواع داده ها در NumPy
6. آموزش ویژگی های آرایه در NumPy
7. آموزش روال ایجاد آرایه در NumPy
8. آموزش ایجاد آرایه از داده های موجود در NumPy
9. آموزش ایجاد آرایه از محدوده های عددی در NumPy
10. آموزش شاخص گذاری و برش در NumPy
11. آموزش شاخص گذاری پیشرفته در NumPy
12. آموزش Broadcasting در NumPy
13. آموزش تکرار در یک آرایه در NumPy
14. آموزش دستکاری آرایه در NumPy
15. آموزش اپراتورهای دودویی در NumPy
16. آموزش توابع رشته ای در NumPy
17. آموزش توابع ریاضی در NumPy
18. آموزش عملیات حسابی در NumPy
19. آموزش توابع آماری در NumPy
20. آموزش مرتب سازی، جستجو و توابع شمارش در NumPy
21. آموزش Byte Swapping در NumPy
22. آموزش کپی ها و Views در NumPy