numpy矩阵平素求和 numpy求某一列的和的算法( 二 ) _生活百科

五、案例1. 访问矩阵元素与列表类似，可以使用索引访问矩阵元素。让从一维NumPy数组开始。
import numpy as npA = np.array([2, 4, 6, 8, 10])print(\"A[0] =\", A[0])# First elementprint(\"A[2] =\", A[2])# Third element print(\"A[-1] =\", A[-1])# Last element运行该程序时，输出为：

文章插图
现在，让看看如何访问二维数组（基本上是矩阵）的元素。

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])#First element of first rowprint(\"A[0][0] =\", A[0][0])# Third element of second rowprint(\"A[1][2] =\", A[1][2])# Last element of last rowprint(\"A[-1][-1] =\", A[-1][-1])

当运行程序时，输出将是：
采集失败，请手动处理
https://p3-sign.toutiaoimg.com/pgc-image/115fac88457b451e97827b58bd0e75b6~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=tTKO%2BV5Z0PTv0UmCwM7ZEPLpqvg%3D
2. 访问矩阵的行

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])print(\"A[0] =\", A[0]) # First Rowprint(\"A[2] =\", A[2]) # Third Rowprint(\"A[-1] =\", A[-1]) # Last Row (3rd row in this case)

当运行程序时，输出将是：

文章插图
3. 访问矩阵的列

import numpy as npA = np.array([[1, 4, 5, 12],[-5, 8, 9, 0],[-6, 7, 11, 19]])print(\"A[:,0] =\",A[:,0]) # First Columnprint(\"A[:,3] =\", A[:,3]) # Fourth Columnprint(\"A[:,-1] =\", A[:,-1]) # Last Column (4th column in this case)

当运行程序时，输出将是：
采集失败，请手动处理
https://p3-sign.toutiaoimg.com/pgc-image/64eeee937a2c49adbbbfc6434c670d58~tplv-tt-origin-asy2:5aS05p2hQFB5dGhvbui_m-mYtuWtpuS5oOS6pOa1gQ==.image?_iz=58558&from=article.pc_detail&x-expires=1698369411&x-signature=puO%2BTBZ4KcLLQXsX%2BU%2Fs%2BF9XQz0%3D
注：
使用NumPy（而不是嵌套列表）可以更轻松地处理矩阵，而且甚至都没有涉及基础知识。建议详细研究NumPy软件包，尤其是当尝试将Python用于数据科学/分析时。
六、总结本文基于Python基础，介绍了矩阵和NumPy数组，重点介绍了NumPy数组，如何去安装NumPy模块，如何去创建一个NumPy数组的两种方式。
通过案例的分析，代码的演示，运行效果图的展示，使用Python语言，能够让读者更好的理解。
读者可以根据文章内容，自己实现。有时候看到别人实现起来很简单，但是到自己动手实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
【numpy矩阵平素求和 numpy求某一列的和的算法】代码很简单，希望对你学习有帮助。