Scipy -Matrizen

Matrix ist ein sehr häufiges Element der Mathematik und wird verwendet, um viele verschiedene Arten von Berechnungen durchzuführen. Die Python -Programmiersprache soll das Leben der Menschen leichter und einfacher machen. Es bietet sehr nützliche Funktionen, um alle Arten von wissenschaftlichen, statistischen und mathematischen Berechnungen auszuführen. Im Allgemeinen Mathematik ist die Matrix eine Anordnung von Daten in Form von Spalten und Zeilen. Dieser Artikel ist ein Leitfaden zum Arbeiten mit Matrizen in Python -Programmen. Python bietet verschiedene Bibliotheken an, die mit einer Vielzahl von Funktionen verbunden sind, um sich mit Matrizen zu befassen. Am Ende dieses Artikels können Sie die verschiedenen Python -Funktionen auf Matrizen implementieren.

Was sind Scipy -Matrizen?

Scipy ist eine Python -Bibliothek, die verschiedene Arten von Methoden, Funktionen und Modulen bietet, die perfekt für die Ausführung von mathematischen und statistischen Funktionen sind. Die Scipy Library verfügt über das Linalg -Modul, das auf Matrizen verwendet wird, um die verschiedenen Vorgänge auf Matrizen wie Transponierung, Matrixmultiplikation usw. durchzuführen. Es enthält alle Funktionen, in denen das Linalg -Modul der Numpy -Bibliothek und die fortgeschritteneren, die nicht Teil des Linalg -Moduls der Numpy Library sind. Darüber hinaus wird es durch die Unterstützung von Lapack- und BLAS -Modulen erfunden. Berechnen wir die Umkehrung einer Matrix unter Verwendung der Funktion des Linalg -Moduls der Scipy -Bibliothek.

Beispiel 1:

In diesem Beispiel berechnet die Funktion inv (), um die Umkehrung einer Matrix zu berechnen. Die Funktion inv () ist Teil des Linalg -Moduls in der Scipy -Bibliothek. Betrachten Sie das folgende Programm:

Numph als NP importieren
von Scipy Import Linalg
mat = np.Array ([3, 9], [7, 6]])
drucken (Linalg.inv (matte))

Das Programm beginnt mit dem Importieren der Numpy- und Scipy -Bibliotheken in das Programm. Alle Funktionen im Programm sind mit den Bibliotheken verbunden. Die Matrix wird im NP deklariert.Array () Modul und an die Inv () -Funktion übergeben. Überprüfen Sie die Umkehrung der Matrix im Folgenden:

Beispiel 2:

Andere Funktionen des Scipy Library und des Linalg -Moduls, die auf der Matrix ausgeführt werden können, sind Transponierung, Matrixmultiplikation usw. In diesem Beispiel wird erläutert, wie diese Funktionen auf der Matrix implementiert werden können. Betrachten Sie den folgenden Beispielcode:

Numph als NP importieren
von Scipy Import Linalg
mata = np.Array ([3, 9], [7, 5]])
MATB = NP.Array ([4, 8], [2, 6]])
print ("Die Transponierung von Matrix B lautet:", MATB.T)
print ("\ n Die Multiplikation von Matrix ist:", Mata.Punkt (MATB.T))

Hier können Sie sehen, dass die Numpy- und Scipy -Bibliotheken im Programm aufgerufen werden, um die damit verbundenen Funktionen zu verwenden. Danach werden zwei Matrizen deklariert. Die Transponierung der Matrix wird unter Verwendung der Funktion „T“ des Linalg -Moduls berechnet. Und die Multiplikation der beiden Matrizen wird unter Verwendung der DOT () -Funktion des Linalg -Moduls durchgeführt. Die Ausgabe ist wie folgt:

Python Scipy Sparse Matrices

Die Scipy Library funktioniert auch mit spärlichen Matrizen. Die spärlichen Matrizen bestehen im Grunde genommen aus hauptsächlich aus Nullwerten oder nicht verwendeten Elementen. Die spärlichen Daten sind die Daten, die keine Informationen enthalten. Wenn wir uns mit dem Teilendeivat im wissenschaftlichen Computer befassen, stoßen wir häufig auf spärliche Daten. Der folgende Abschnitt erläutert die Scipy.Sprease -Modul mit Hilfe von Beispielen. Die Scipy -Bibliothek verfügt.

Es gibt zwei Arten von spärlichen Matrizen, die würzig sind.Das spärliche Modul verwendet für die Matrixberechnung - sie sind CSC und CSR. Die CSC -Matrix steht für komprimierte Sparse -Säulenmatrix und die CSR -Matrix für komprimierte spärliche Zeilenmatrix. Die CSC -Matrix führt ein schnelles Säulenschneid und effiziente Arithmetik auf Spalten aus. Andererseits führt der CSR schnelle Reihenschneide durch und berechnet schnell den Matrixvektor. Lassen Sie uns jede Art von Matrix mit Hilfe von Beispielen erläutern.

Beispiel 1:

In diesem Beispiel werden Sie Sie mit der CSR_Matrix -Methode der Scipy -Bibliothek zum Erstellen einer CSR -Matrix leiten, um eine CSR -Matrix zu erstellen. Das spärliche Modul hat die CSR_Matrix -Funktion, mit der eine CSR -Matrix erstellt wird. Betrachten Sie das Beispielprogramm im folgenden Code -Snippet, um zu verstehen, wie die Funktion csr_matrix in einem Python -Programm implementiert wird:

Numph als NP importieren
von Scipy.spärlicher Import CSR_MATRIX
csr = np.Array ([0, 2, 1, 0, 0, 0, 1, 0, 0, 0, 3, 0, 0, 0])
print (csr_matrix (csr))

Die Funktion "scr_matrix" schneidet die Zeilen und sammelt die Werte ungleich Null und erstellt die CSR-Matrix dieser Werte ungleich Null. Die Numpy -Bibliothek ist im Programm als NP enthalten, damit wir das Numpy -Array für die Datenerklärung verwenden können. Danach ist die Scipy -Bibliothek zusammen mit dem spärlichen Modul enthalten, um die Funktion csr_matrix explizit aufzurufen. Nach dem Import der erforderlichen Bibliotheken werden die Daten deklariert, in der Variablen „CSR“ gespeichert und an die Funktion csr_matrix übergeben, um die CSR -Matrix zu erstellen. Der angegebene Code gibt die folgende Matrix zurück:

Beispiel 2:

Lassen Sie uns lernen, wie Sie eine CSC -Matrix mit den Funktionen des spärlichen Moduls der Scipy -Bibliothek erstellen. Das spärliche Modul liefert die Funktion csc_matrix, um eine CSC -Matrix zu erstellen. Lassen Sie uns in diesem Beispiel eine leere 3 x 3 CSC -Matrix erstellen. Betrachten Sie den folgenden Beispielcode:

von Scipy.spärlich importieren csc_matrix
CSC_MATRIX ((3, 3))

Hier sehen Sie, dass die Scipy -Bibliothek zusammen mit dem spärlichen Modul im Programm enthalten ist, um die Funktion csc_matrix aufzurufen. Um die 3 x 3 -Matrix zu erstellen, wird die Form der Matrix an die Funktion csc_matrix übergeben. Lassen Sie uns die generierte Ausgabe durch diese Codezeile sehen:

Die Ausgabe zeigt an, dass eine Matrix der Größe 3 x 3 und DataType Float erstellt wird. Wenn Sie nun die erstellte Matrix sehen möchten, können Sie die Funktion toArray () mit der Funktion csc_matrix verwenden. Wenn Sie den Datenatyp der Daten in der Matrix ändern möchten, können Sie außerdem den Datentyp in der csc_matrix angeben. Sehen Sie sich die folgende Codezeile an, um zu verstehen, wie Sie diese Parameter mit der Funktion csc_matrix angeben können:

von Scipy.spärlich importieren csc_matrix
csc_matrix ((3, 3), dType = np.int8).toArray ()

Der Datentyp kann im Parameter „DTYPE“ angegeben werden. Hier wird der "int8" -Datenatyp deklariert. Darüber hinaus wird die Funktion „toArray“ mit der Funktion csc_matrix aufgerufen. Lassen Sie uns die erstellte leere CSC -Matrix im Folgenden sehen:

Abschluss

Dieser Artikel ist den Python Scipy -Matrizen gewidmet. Wir haben die Scipy -Bibliothek nach Matrizen untersucht und die verschiedenen Methoden und Funktionen der Scipy -Bibliothek für Matrizen erfahren. Die Scipy Library bietet ein spärliches Modul, das eine breite Palette von Funktionen bietet, die mit Matrizen verwendet werden können. Wir haben auch die Funktionen des Linalg -Moduls der Scipy -Bibliothek für Matrizen untersucht. Mit Hilfe von Beispielen haben wir gezeigt, wie die Funktionen dieser Module in Python -Programmen implementiert werden können.