在本教程中，我们将学习Python矩阵。

Python矩阵

要使用Python Matrix，我们需要导入Python numpy模块。
如果您对numpy模块不了解，可以阅读python numpy教程。
Python矩阵用于执行有关矩阵的操作，可用于科学目的，图像处理等。

Python中创建矩阵

在本节中，我们将学习如何在python中创建矩阵。

根据维基百科，矩阵是数字，符号或者表达式的矩形阵列，排列成行和列。
因此，在下面的代码中，我们将初始化各种类型的矩阵。

通常，使用numpy.matix()函数创建矩阵。
我们可以使用numpy.shape来知道矩阵的尺寸。
请参阅以下python矩阵示例代码。

import numpy as np

# create 2x2 matrix
a = np.matrix([[1, 2], [3, 4]])  # using array of array
print('2x2 matrix is:\n', a)
# using shape attribute to get the tuple describing matrix shape
print('The dimension of the matrix is :', a.shape)

# using MatLab syntax in string
b = np.matrix('[1,2;3,4;5,6]', dtype=np.int32)  # limiting the data-type to int
print('\n3x2 matrix is:\n', b)
# using shape attribute to get the tuple describing matrix shape
print('The dimension of the matrix is :', b.shape)

# using numpy.random.rand(row, column) to generate array of random element
c = np.matrix(np.random.rand(3, 3), dtype=np.float32)  # considering the data-type as float
print('\n3x3 random element matrix is:\n', c)
# using shape attribute to get the tuple describing matrix shape
print('The dimension of the matrix is :', c.shape)

您将得到如下图所示的输出。

Python矩阵加法

矩阵加法的手动代码足够复杂！多亏了numpy模块，我们可以简单地使用+运算符进行矩阵加法。
因此，在以下示例代码中，我们将看到手动编写附加代码以及使用加号运算符。

import numpy as np

# create two 2x2 matrix
a = np.matrix([[1, 2], [3, 4]])  # using array of array
b = np.matrix([[5, 6], [7, 8]])  # using array of array
result = np.matrix(np.zeros((2,2)))  # result matrix
print('A matrix :\n', a)
print('\nB matrix :\n', b)

# traditional code
for i in range(a.shape[1]):
  for j in range(a.shape[0]):
      result[i, j] = a[i, j] + b[i, j]

print('\nManually calculated result :\n', result)

# get the result by simply using + operator

resultB = a + b
print('\nCalculated using matrix + operator :\n', resultB)

以下是python矩阵附加代码的输出。

A matrix :
 [[1 2]
 [3 4]]

B matrix :
 [[5 6]
 [7 8]]

Manually calculated result :
 [[  6.   8.]
 [ 10.  12.]]

Calculated using matrix + operator :
 [[ 6  8]
 [10 12]]

Python矩阵乘法，逆矩阵，矩阵转置

在上一节中，我们讨论了Python Matrix的好处，即它使我们的任务变得简单。
这样，我们可以简单地将两个矩阵相乘，得到矩阵的逆和转置。

正如我们之前看到的，+运算符将两个矩阵相加，这里我们可以简单地使用*运算符将矩阵相乘。

对于矩阵乘法，第一个矩阵中的列数应等于第二个矩阵中的行数。

我们可以使用getI()函数获得矩阵的逆矩阵。
我们可以使用getT()获取矩阵的转置。
让我们看一下矩阵乘法的例子。

import numpy as np

# initialize a 3x2 matrix of random values
matA = np.matrix(np.random.rand(3, 2))
# print the first matrix
print('The first matrix is :\n', matA)

# initialize a 2x3 matrix of random values
matB = np.matrix(np.random.rand(2, 3))
# print the second matrix
print('\nThe second matrix is :\n', matB)

# multiply two matrix using * operator
result = matA * matB
# print the resultant matrix
print('\nMatrix multiplication result :\n', result)

# get the inverse of the first matrix
inverseMatA = matA.getI()
print('\nThe inverse of the first matrix is :\n', inverseMatA)

# get the transpose matrix of the second matrix
transposeMatB = matB.getT()
print('\nThe transpose of the second matrix is :\n', transposeMatB)

由于我们使用了随机值。
因此，矩阵的元素将有所不同。
但是，下面的代码输出是在我的计算机上运行的示例。

The first matrix is :
 [[ 0.88847844  0.01832413]
 [ 0.08538396  0.20178474]
 [ 0.92615527  0.8963927 ]]

The second matrix is :
 [[ 0.03454971  0.89908281  0.08825769]
 [ 0.46224998  0.63173062  0.91734146]]

Matrix multiplication result :
 [[ 0.039167    0.81039161  0.09522454]
 [ 0.09636365  0.20443036  0.1929165 ]
 [ 0.44635589  1.398969    0.90403851]]

The inverse of the first matrix is :
 [[ 1.12771189 -0.15722127  0.01239153]
 [-1.13143853  0.40000541  1.04853336]]

The transpose of the second matrix is :
 [[ 0.03454971  0.46224998]
 [ 0.89908281  0.63173062]
 [ 0.08825769  0.91734146]]