python矩阵表示

① python怎么表示矩阵

矩阵就是一个元素是列表的列表。按照求数据中的最孝最大、平均值，只要连接每个子列表，组成一个单列表就可以做到。

② python 怎么实现矩阵运算

1.numpy的导入和使用

data1=mat(zeros((
)))
#创建一个3*3的零矩阵，矩阵这里zeros函数的参数是一个tuple类型(3,3)
data2=mat(ones((
)))
#创建一个2*4的1矩阵，默认是浮点型的数据，如果需要时int类型，可以使用dtype=int
data3=mat(random.rand(
))
#这里的random模块使用的是numpy中的random模块，random.rand(2,2)创建的是一个二维数组，需要将其转换成#matrix
data4=mat(random.randint(
10
,size=(
)))
#生成一个3*3的0-10之间的随机整数矩阵，如果需要指定下界则可以多加一个参数
data5=mat(random.randint(
,size=(
))
#产生一个2-8之间的随机整数矩阵
data6=mat(eye(
,dtype=
int
))
#产生一个2*2的对角矩阵
a1=[
]; a2=mat(diag(a1))
#生成一个对角线为1、2、3的对角矩阵

③ Python 怎样出矩阵啊，就单位阵

例如：三阶的单位阵：

unit1=[[1,0,0],[0,1,0],[0,0,1]]
print(unit1)
foriinrange(0,3):
	forjinrange(0,3):
		print(unit1[i][j],end='')
	print()
foriinrange(0,3):
	print(unit1[i])

④ python的矩阵可以做什么

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。
计算矩阵对应行列的最大、最小值、和。
3>>>a1=mat([[1,1],[2,3],[4,2]])
>>> a1
matrix([[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
>>> a2
matrix([[7, 6]])
>>>a3=a1.sum(axis=1) #行和，这里得到的是3*1的矩阵
>>> a3
matrix([[2],
[5],
[6]])
>>>a4=sum(a1[1,:]) #计算第一行所有列的和，这里得到的是一个数值
>>> a4
5 #第0行：1+1；第2行：2+3；第3行：4+2
计算最大、最小值和索引
>>>a1.max() #计算a1矩阵中所有元素的最大值,这里得到的结果是一个数值
4
>>>a2=max(a1[:,1]) #计算第二列的最大值，这里得到的是一个1*1的矩阵
>>> a2
matrix([[3]])
>>>a1[1,:].max() #计算第二行的最大值，这里得到的是一个一个数值
3
>>>np.max(a1,0) #计算所有列的最大值，这里使用的是numpy中的max函数
matrix([[4, 3]])
>>>np.max(a1,1) #计算所有行的最大值，这里得到是一个矩阵
matrix([[1],
[3],
[4]])
>>>np.argmax(a1,0) #计算所有列的最大值对应在该列中的索引
matrix([[2, 1]])
>>>np.argmax(a1[1,:]) #计算第二行中最大值对应在该行的索引
1

⑤ python中怎么将一个数据集中的每条数据转换成相应的矩阵

python的一个很重要的包是numpy包，这个包可以很方便的做数据科学计算。numpy中有很多方法，array,matrix，对于数据集的每一条数据，可以通过matrix函数来将其转换为矩阵形式，并且还有reshape方法，可以调整矩阵的行和列。

⑥ python中如何表示矩阵和向量

在排单中夏表示矩阵和向量，那么就应该去看一下她的美的功能输入，然后就能够进行设置了。

⑦ Python hmmlearn中的混淆矩阵是怎么表示的

hmmlearn这个库有三种模型，分别是Gaussian，Multinomial和GMMHMM。这三种模型对应的就是三种emission
matrix（即混淆矩阵，也就是隐状态到观察态的概率）。Gaussian就是说混淆矩阵是一个高斯分布，即观察态是连续的。Multinomiual就是说混淆矩阵事一个Multibimiual
distribution，即观察态势离散的。GMMHMM则是说混淆矩阵是遵循gaussinan
mixture
分布，也是连续的。
题主问如何把混淆矩阵输入到模型里面。首先你要确定你的混淆矩阵的类型。对于Gaussian类型，就是把你希望的
mean和variance值放到模型里面。我就直接把文档里面的例子搬过来，例子里是建立了一个高斯分布的隐马尔科夫模型。
>>>
import
numpy
as
np
>>>
from
hmmlearn
import
hmm
#一个隐马尔科夫模型由（p向量，状态转移矩阵，混淆矩阵）来定义。
>>>
startprob
=
np.array([0.6,
0.3,
0.1])
#
定义初始状态的概率
>>>
transmat
=
np.array([[0.7,
0.2,
0.1],
[0.3,
0.5,
0.2],
[0.3,
0.3,
0.4]])#定义转移矩阵的概率
>>>
means
=
np.array([[0.0,
0.0],
[3.0,
-3.0],
[5.0,
10.0]])
#定义混淆矩阵的均值
>>>
covars
=
np.tile(np.identity(2),
(3,
1,
1))#
定义混淆矩阵的方差
>>>
model
=
hmm.GaussianHMM(3,
"full",
startprob,
transmat)#
定义一个混淆矩阵为高斯分布的隐马尔科夫模型。
这里‘full’的意思就是说你输入的方差矩阵每个元素都给出了，不是一个只是对角线上的元素为0的矩阵
>>>
model.means_
=
means
>>>
model.covars_
=
covars#把你希望的均值方差输入你定义的模型里面，到此你就把混淆矩阵输入进模型了
>>>
X,
Z
=
model.sample(100)
对于Multinomial
和
GMM，我还没用，不过Multinomial应该是需要你自己手动输入隐状态到观察态的概率的，而GMM应该是和Gaussian类型类似，只是需要多输入一个权重因子。
对于第二个问题，covariance_type意思是你的混淆矩阵的covariance
matrix是什么类型，比如若只是对角线上的元素不为0，则把covariance_type设为‘diag’。

⑧ Python表示矩阵的方法分析

Python表示矩阵的方法分析
本文实例讲述了Python表示矩阵的方法。分享给大家供大家参考，具体如下：
在c语言中，表示个“整型3行4列”的矩阵，可以这样声明：int a[3][4];在python中一不能声明变量int，二不能列出维数。可以利用列表中夹带列表形式表示。例如：
表示矩阵 ，可以这样：
count = 1
a = []
for i in range(0, 3):
tmp = []
for j in range(0, 3):
tmp.append(count)
count += 1
a.append(tmp)
print a

结果：
[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

但是注意一点：初始化（赋值全部为0时），下面是错误的！！
tmp = []
for j in range(0, 3):
tmp.append(0)
a = []
for i in range(0, 3):
a.append(tmp)
print a
结果：
[[0, 0, 0], [0, 0, 0], [0, 0, 0]]

原因：这样的列表tmp为同一个，改变任意行，其他行都会给随着改变，千万注意！！，下面正确：
a = []
for i in range(0, 3):
tmp = []
for j in range(0, 3):
tmp.append(0)
a.append(tmp)
print a

⑨ 用python的numpy创建一个矩阵

• 使用numpy创建矩阵有2种方法，一种是使用numpy库的matrix直接创建，另一种则是使用array来创建。首先加载numpy库，然后分别用上面说的2种方法来分别构建一个4×3的矩阵，如图

  

注意事项

• [1]在高等数学或者线性代数等已经学过了当后面的矩阵的行数等于前面矩阵的列数时，2个矩阵才可以相乘

• [2]Hadamard指的是2个m×n的矩阵相乘，结果仍然是m×n的矩阵，结果为对应元素的乘积

• [3]单位矩阵是特殊的对角矩阵，零（1）矩阵是指元素全部是0（1）的矩阵

• [4]矩阵的第一行是从0开始编号的，python中的各种编号基本上都是从0开始的

⑩ python怎么输入一个数组矩阵

下面是基于python3.4的数组矩阵输入方法：

1.import numpy as np
2.arr = [1,2,3,4,5,6,7,8,9]
3.matrix_a = np.array(arr)2.
4.手动定义一个空数组：arr =[]，链表数组：a = [1,2,[1,2,3]]。