【数据分析&数据挖掘】矩阵的运算

import numpy as np

# 创建矩阵
m1 = np.mat([[1, 2], [1, 2]])
print("m1:
", m1)
print("m1的类型:
", type(m1))

# 矩阵与数的相乘
m2 = 2 * m1
print("m2:
", m2)
print("m2的类型:
", type(m2))

# 矩阵的相加，相减 ——>同型矩阵
m2 = np.mat([[0, 1], [0, 1]])
print("m2:
", m2)
print("m2的类型:
", type(m2))

res1 = m1 + m2
res2 = m1 - m2
print("相加/相减的结果:
", res1, "
", res2)

# 矩阵与矩阵的相乘
# 左矩阵的列 = 右矩阵的行
res = m1 * m2
res = np.matmul(m1, m2)
res = np.dot(m1, m2)
print("矩阵相乘的结果:
", res)

# 矩阵与数组相乘，会自动将数组转化成矩阵再相乘
arr = np.array([[0, 1],[0, 1]])
res = m1 * arr # 有可能在某些情况下报错，可以用，不推荐
res = np.matmul(m1, arr)
res = np.dot(m1, arr)

# 矩阵与列表相乘，会自动将列表转化成矩阵再相乘
li = [[0, 1], [0, 1]]
res = m1 * li  # 有可能在某些情况下报错，可以用，不推荐
res = np.matmul(m1, li)
res = np.dot(m1, li)

print("相乘结果:
", res)

# 如果在列表相乘的时候使用矩阵相乘的API，那么会先将列表转化为矩阵再相乘
l1 = [[1, 2], [1, 2]]
l2 = [[0, 1], [0, 1]]
# res = l1 * l2  # 不可以乘
res = np.matmul(l1, l2)
res = np.dot(l1, l2)
print("相乘结果:
", res)

# 还有一种相乘方式——对应位置元素相乘——同型相乘
res = np.multiply(m1, m2)
print("矩阵的对应位置元素相乘:
", res)

arr1 = np.array([[1, 2],[1, 2]])
arr2 = np.array([[1, 2],[1, 2]])
res = np.multiply(arr1, arr2)
print("数组的对应位置元素相乘:
", res)
l1 = [[1, 2],[1, 2]]
l2 = [[1, 2],[1, 2]]
res = np.multiply(l1, l2)
print("列表的对应位置元素相乘:
", res)

# 矩阵的属性
m1 = np.mat([[1, 2],[1, 2]])
m1 = np.mat([[1, 2, 3], [1, 2, 4]])
print("m1:
", m1)
print("m1的类型:
", type(m1))
print("~"*60)
print("m1的转置:
", m1.T)
print("m1的逆矩阵:
", m1.I) # 矩阵必须有逆矩阵才能用
print("m1矩阵的共轭转置:
", m1.H)

# 矩阵的视图就是数组 ——可以利用视图将矩阵转化为数组
print("m1矩阵的视图:
", m1.A)
print("m1矩阵的视图的类型:
",type(m1.A))