Numpy 将NumPy向量转换为二维数组/矩阵

NumPy是用Python语言实现的一种开源的数值计算扩展库，是Python数据科学工具的核心库。它提供了高性能的数组对象和与数组相关的操作函数，可以帮助我们进行各种数值计算和数据分析。而在NumPy中，我们可以很方便地将一个向量转换成一个二维数组或矩阵，为我们进行数据处理和计算提供了方便。在本文中，我们将介绍在NumPy中将向量转换成二维数组/矩阵的方法及相关知识。

阅读更多：Numpy 教程

NumPy向量

在NumPy中，向量是一种一维数组，可以表示一组数字值。

import numpy as np

# 创建向量
vector = np.array([1, 2, 3])
print(vector)
# [1 2 3]

# 获取向量的维度
print(vector.shape)  # (3,)

二维数组

二位数组是指一个由数组元素（如数字、字符串或其他对象）组成的表格，由行和列构成，通常情况下是一个矩形。在NumPy中，我们可以使用ndarray类来创建和操作二维数组。

创建二维数组

我们可以使用ndarray类的reshape方法将向量转换成一个二维数组。reshape方法需要传入一个元组，其中第一个元素表示新数组的行数，第二个元素表示新数组的列数。如果我们只指定一个元素，那么在指定行数的情况下，程序将自动确定列数，例如：

import numpy as np

# 创建向量
vector = np.array([1, 2, 3, 4, 5, 6])

# 将向量转换为二维数组
matrix = vector.reshape(2,3)

print(matrix)
"""
[[1 2 3]
 [4 5 6]]
"""

我们也可以使用-1来表示不确定的数字。例如：

import numpy as np

# 创建向量
vector = np.array([1, 2, 3, 4, 5, 6])

# 将向量转换为二维数组
matrix = vector.reshape(2,-1)  # 自动确定列数

print(matrix)
"""
[[1 2 3]
 [4 5 6]]
"""

# 将向量转换为二维数组
matrix = vector.reshape(-1,2)  # 自动确定行数

print(matrix)
"""
[[1 2]
 [3 4]
 [5 6]]
"""

我们也可以使用stack和vstack函数来将向量转换为二维数组。stack和vstack函数需要传入一个元组，其中每个元素表示一个数组，这些数组需要按照行或者列的方向进行拼合。

import numpy as np

# 创建向量
vector = np.array([1, 2, 3, 4, 5, 6])

# 使用stack函数将向量转换为二维数组
matrix = np.stack((vector[:3], vector[3:]), axis=0)

print(matrix)
"""
[[1 2 3]
 [4 5 6]]
"""

# 使用vstack函数将向量转换为二维数组
matrix = np.vstack((vector[:3], vector[3:]))

print(matrix)
"""
[[1 2 3]
 [4 5 6]]
"""

获取矩阵的元素

我们可以用方括号和分号来获取矩阵中的元素。

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6]])

# 获取矩阵中的元素
print(matrix[0, 0])  # 1
print(matrix[1, 1])  # 5
print(matrix[1, :])  # [4 5 6]

通过分号我们还可以使用slice语法来获取矩阵元素。

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 获取矩阵中的元素
print(matrix[0:2, :]) # 第0~1行，全部列
"""
[[1 2 3]
 [4 5 6]]
"""
print(matrix[:,1:3]) # 所有行，第1~2列
"""
[[2 3]
 [5 6]
 [8 9]]
"""

修改矩阵的元素

我们可以使用方括号和分号来修改矩阵中的元素。

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6]])

# 修改矩阵中的元素
matrix[0, 0] = 10

print(matrix)
"""
[[10  2  3]
 [ 4  5  6]]
"""

matrix[1, :] = [7, 8, 9]

print(matrix)
"""
[[10  2  3]
 [ 7  8  9]]
"""

矩阵的运算

NumPy中提供了许多针对矩阵的数学计算函数，这些函数可用于矩阵的加法、减法、乘法等操作。

import numpy as np

# 创建矩阵
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])

# 矩阵加法
print(np.add(matrix1, matrix2))
"""
[[ 6  8]
 [10 12]]
"""

# 矩阵减法
print(np.subtract(matrix1, matrix2))
"""
[[-4 -4]
 [-4 -4]]
"""

# 矩阵乘法
print(np.dot(matrix1, matrix2))
"""
[[19 22]
 [43 50]]
"""

# 转置矩阵
print(matrix1.T)
"""
[[1 3]
 [2 4]]
"""