用numpy（python）定义和相乘矩阵

我正在尝试使用numpy，但我不知道如何在numpy中正确定义

n乘n

矩阵。 我使用了

numpy.zero（n，n）

。。。但我不确定它是否合适

像这样使用numpy正确吗？ 我正在尝试获取

（矩阵^T*vector）-vector

matrix = np.zeros((n,n))
start =  [(1/float(n)) for _ in range(n)]
vector = np.array(start)
newvector = np.dot(np.transpose(matrix) , vector)
ans=  np.subtract(newvector , vector)

---

我问这个问题是因为我得到了错误的结果，我不确定我的问题出在哪里

基本上你是对的，如何使用numpy。为了简化使用，我将以不同的方式编写开始向量，并使用对象方法来计算所需的值

n = 10

matrix = np.zeros((n, n))
vector = np.ones((n,)) * 1.0/n
new_vector = matrix.T.dot(vector)
ans = new_vector - vector

print ans

>>> [-0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1]

---

输出应该是正确的（矩阵乘以向量应该是一个充满0减去1除以10的向量，瞧）。我不太确定NxM矩阵的一般形式和转置的用法（这需要再花一分钟来考虑；-）

基本上你是正确的使用numpy。为了简化使用，我将以不同的方式编写开始向量，并使用对象方法来计算所需的值

n = 10

matrix = np.zeros((n, n))
vector = np.ones((n,)) * 1.0/n
new_vector = matrix.T.dot(vector)
ans = new_vector - vector

print ans

>>> [-0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1 -0.1]

---

输出应该是正确的（矩阵乘以向量应该是一个充满0减去1除以10的向量，瞧）。我不太清楚NxM矩阵的一般形式和转置的用法（这需要再花一分钟来考虑；-）

要在

numpy

中定义矩阵，您有几种选择：

• numpy.zeros

  定义了一个用零填充的矩阵

• numpy.ones

  定义了一个矩阵，其中填充了一个

• numpy.array

  基于其他内容（例如列表）定义矩阵

• numpy.empty

  定义一个矩阵，但不给它赋值（因此它包含内存中当前的内容以及分配的位置）

所有这些函数都使用具有矩阵维数的元组作为第一个参数。这就是为什么括号加倍

使用

numpy

，您可以使用任何常用的运算符（+、-、*/、**），这些运算符是按元素执行的

要执行矩阵乘法，需要使用

numpy.dot

函数

然后，您可以将您的功能设置为：

n = 10
matrix = numpy.zeros((n,n))
vector =  numpy.ones(n) / n
newvector = numpy.dot(matrix.T, vector)
ans = newvector - vector

---

但是我认为

矩阵

应该不是一个由零组成的矩阵，或者不需要转置操作。

要在

numpy

中定义矩阵，您有几个选择：

• numpy.zeros

  定义了一个用零填充的矩阵

• numpy.ones

  定义了一个矩阵，其中填充了一个

• numpy.array

  基于其他内容（例如列表）定义矩阵

• numpy.empty

  定义一个矩阵，但不给它赋值（因此它包含内存中当前的内容以及分配的位置）

所有这些函数都使用具有矩阵维数的元组作为第一个参数。这就是为什么括号加倍

使用

numpy

，您可以使用任何常用的运算符（+、-、*/、**），这些运算符是按元素执行的

要执行矩阵乘法，需要使用

numpy.dot

函数

然后，您可以将您的功能设置为：

n = 10
matrix = numpy.zeros((n,n))
vector =  numpy.ones(n) / n
newvector = numpy.dot(matrix.T, vector)
ans = newvector - vector

---

但是我认为

矩阵

应该不是一个由零组成的矩阵，或者不需要转置运算。

除了@CharlesBrunet的答案之外，还有一个数学矩阵的特殊类，

a*B

是标准矩阵乘法（与元素乘法相反）

从类似数组的对象或数据字符串返回矩阵。矩阵是一种特殊的二维数组，通过运算保持其二维性质。它有一些特殊的运算符，例如*（矩阵乘法）和**（矩阵幂）

文档中的创建示例：

>>> a = numpy.matrix('1 2; 3 4')
>>> print a
[[1 2]
 [3 4]]
>>> numpy.matrix([[1, 2], [3, 4]])
matrix([[1, 2],
        [3, 4]])

---

除了@CharlesBrunet给出的答案外，还有一个专门的数学矩阵类，

a*B

是标准矩阵乘法（与元素乘法相反）

从类似数组的对象或数据字符串返回矩阵。矩阵是一种特殊的二维数组，通过运算保持其二维性质。它有一些特殊的运算符，例如*（矩阵乘法）和**（矩阵幂）

文档中的创建示例：

>>> a = numpy.matrix('1 2; 3 4')
>>> print a
[[1 2]
 [3 4]]
>>> numpy.matrix([[1, 2], [3, 4]])
matrix([[1, 2],
        [3, 4]])

---

如果你用一个零矩阵乘以任何向量，你就会得到一个零向量。因此，我假设

ans

的条目都等于

-1/n

，这与您发布的代码一致。请给出你的代码的结果和你期望的结果！我看不出有什么问题，代码看起来是OK的，如果你用一个零矩阵乘以任何向量，你会得到一个空向量。因此，我假设

ans

的条目都等于

-1/n

，这与您发布的代码一致。请给出你的代码的结果和你期望的结果！我看不出有什么问题，代码似乎还可以