नोटः NumPy Numarray का उत्तराधिकारी है और NumArray को बदलने के लिए उपयोग किया जाता है। SAGE NumPy और कई अन्य उपकरणों पर आधारित एक एकीकृत गणित सॉफ़्टवेयर पैकेज है, जिसका उद्देश्य मैग्मा, मैपल, मैथमेटिका और मैटलैब जैसे उपकरणों को बदलना है। आज मैं इंटरनेट पर NumPy के बारे में कुछ जानकारी ढूंढना चाहता था और NumPy का उपयोग करके व्युत्क्रम करने का प्रयास करने पर मुझे चीनी भाषा में कोई जानकारी नहीं मिली, मंच पर कुछ लोगों ने मुझे पूछा कि मैं पायथन का उपयोग कैसे कर सकता हूं। मैंने NumPy के आधिकारिक दस्तावेज को पाया, जिसमें एक छोटा सा अनुच्छेद था। मैट्रिक्स ऑब्जेक्ट के बारे में, इसलिए मैंने इसे चीनी में अनुवादित किया, थोड़ा योगदान दिया, समय कम था, कोई वर्तनी की जांच नहीं की, कोई सवाल था। क्षमा करें। अनुवादकः Keengle।
मैट्रिक्स प्रकार narray प्रकार से विरासत में मिलता है और इसलिए narray के सभी डेटा गुणों और तरीकों को शामिल करता है। मैट्रिक्स प्रकार और narray प्रकार के बीच छह महत्वपूर्ण अंतर हैं जो अप्रत्याशित परिणामों का कारण बनते हैं जब आप मैट्रिक्स ऑब्जेक्ट को सरणी के रूप में संचालित करते हैं।
1) मैट्रिक्स ऑब्जेक्ट्स को एक मैटलैब शैली स्ट्रिंग का उपयोग करके बनाया जा सकता है, जो कि एक स्ट्रिंग है जिसे रिक्त स्थान से अलग किया गया है और अंक से अलग किया गया है।
2) मैट्रिक्स ऑब्जेक्ट हमेशा दो-आयामी होते हैं. इस पर व्यापक प्रभाव पड़ता है, जैसे कि m.ravel (() का रिटर्न वैल्यू दो-आयामी होता है और सदस्य द्वारा चुने गए रिटर्न वैल्यू भी दो-आयामी होते हैं, इसलिए सरणी का व्यवहार सरणी से अलग होता है।
3) मैट्रिक्स प्रकार के गुणक array के गुणकों को कवर करते हैं और मैट्रिक्स के गुणन का उपयोग करते हैं। जब आप मैट्रिक्स के रिटर्न मान प्राप्त करते हैं, तो सुनिश्चित करें कि आप इन कार्यों के अर्थ को समझते हैं। विशेष रूप से, तथ्य यह है कि function asanarray ((m)) एक मैट्रिक्स लौटाता है यदि यह एक mmatrix है।
4) मैट्रिक्स प्रकार के एर्रे ऑपरेशन पहले के एर्रे ऑपरेशन को भी कवर करते हैं, जो मैट्रिक्स के एर्रे का उपयोग करते हैं। इस तथ्य के आधार पर, याद रखें कि यदि आप एक मैट्रिक्स के एर्रे को पैरामीटर के रूप में उपयोग करते हैं तो एर्रे को कॉल करना समान है।
5) मैट्रिक्स की डिफ़ॉल्ट array_priority 10.0 है, इसलिए narray और matrix ऑब्जेक्ट के मिश्रण का ऑपरेशन हमेशा मैट्रिक्स को वापस करता है।
6) मैट्रिक्स में कई विशिष्ट गुण हैं जो गणना को आसान बनाते हैं, जिनमें शामिल हैंः
(a).T -- अपने आप को स्थानांतरित करने के लिए वापस
(b).H - अपने स्वयं के प्रतिध्वनित स्थानांतरण पर लौटें
©.I - अपने स्वयं के विपरीत मैट्रिक्स को वापस करें
(d).A - अपने डेटा को वापस करने वाले 2D सरणी का एक दृश्य ((कोई प्रतिलिपि नहीं बनाई)
मैट्रिक्स क्लास एक narray का एक पायथन सबक्लास है, जिसे आप अपनी narray सबक्लास बनाने के लिए भी सीख सकते हैं। मैट्रिक्स ऑब्जेक्ट्स को अन्य मैट्रिक्स ऑब्जेक्ट्स, शब्दों, स्ट्रिंग्स या अन्य के साथ भी बनाया जा सकता है जिन्हें narray के लिए एक पैरामीटर में परिवर्तित किया जा सकता है। इसके अलावा, NumPy में, मैट्रिक्स के लिए एक अलग नाम है।
उदाहरण 1: स्ट्रिंग का उपयोग करके मैट्रिक्स का निर्माण करें
import numpy as np
a=np.mat('1 2 3; 4 5 3')
print (a*a.T).I
[[ 0.29239766 -0.13450292]
[-0.13450292 0.08187135]]
उदाहरण 2: नेस्टेड अनुक्रमों का उपयोग करके मैट्रिक्स का निर्माण
np.matrix([[ 1.+0.j, 5.+0.j, 10.+0.j],
[ 1.+0.j, 3.+0.j, 0.+4.j]])
उदाहरण 3: एक सरणी का उपयोग करके एक मैट्रिक्स का निर्माण करें
np.mat( np.random.rand(3,3) ).T
np.matrix([[ 0.81541602, 0.73987459, 0.03509142],
[ 0.14767449, 0.60539483, 0.05641679],
[ 0.43257759, 0.628695 , 0.47413553]])
मैट्रिक्स ((data, dtype=None, copy=True) यदि dtype None है, तो डेटा का प्रकार डेटा की सामग्री से निर्धारित होता है। यदि copy True है, तो डेटा में डेटा की प्रतिलिपि बनाई जाती है, अन्यथा मूल डेटा बफ़र का उपयोग किया जाता है। यदि डेटा का बफ़र क्षेत्र नहीं मिला है, तो निश्चित रूप से डेटा की प्रतिलिपि बनाई जाती है। ध्यान देंः मैट्रिक्स वास्तव में एक प्रकार है, इसलिए जब आप एक उदाहरण बनाते हैं候会调用matrix.new(matrix, data, dtype, copy) । मैट मैट्रिक्स का एक उपनाम है। Asmatrix ((data, dtype=None) जो डेटा की नकल नहीं की गई है उसे लौटाता है. Bmat ((obj, ldict=None, gdict=None) एक स्ट्रिंग, नेस्टेड अनुक्रम या एक सरणी ("array") का उपयोग करके एक मैट्रिक्स का निर्माण करें। यह कमांड आपको अन्य ऑब्जेक्ट्स से मैट्रिक्स बनाने की अनुमति देता है। जिसमें एलडीआईटी और जीडीआईटी पैरामीटर का उपयोग तब किया जाता है जब ओबीजे एक स्ट्रिंग है, जो कि स्थानीय और मॉड्यूलर शब्दकोश हैं। यदि आप उन्हें प्रदान नहीं करते हैं, तो सिस्टम उन्हें प्रदान करेगा।
A=np.mat('2 2; 2 2'); B=np.mat('1 1; 1 1');
print(np.bmat('A B; B A'))
[[2 2 1 1]
[2 2 1 1]
[1 1 2 2]
[1 1 2 2]]
लेखक द्वारा पुनर्प्रकाशित