Matryce scipy

Matrix jest bardzo powszechnym elementem matematyki i służy do wykonywania wielu różnych rodzajów obliczeń. Język programowania Python ma na celu uczynienie życia ludzi łatwiejszym i prostszym. Zapewnia bardzo przydatne funkcje do wykonywania wszelkiego rodzaju obliczeń naukowych, statystycznych i matematycznych. Ogólnie matematyka, matryca jest układem danych w postaci kolumn i wierszy. Ten artykuł jest przewodnikiem na temat pracy z matrycami w programach Python. Python oferuje różne biblioteki związane z różnymi funkcjami, które mogą radzić sobie z matrycami. Na końcu tego artykułu będziesz mógł wdrożyć różne funkcje Pythona na matrycach.

Co to są macierze scipy?

SCIPY to biblioteka Python, która zapewnia różne rodzaje metod, funkcji i modułów, które są idealne do wykonywania dowolnej funkcji matematycznej i statystycznej. Biblioteka SCIPY ma moduł Linalg, który jest używany na matrycach do wykonywania różnych operacji na macierzach, takich jak transpozycja, mnożenie macierzy itp. Zawiera wszystkie funkcje, w których ma moduł Linalg w bibliotece Numpy, i bardziej zaawansowane, które nie są częścią modułu Linalg w bibliotece Numpy. Ponadto jest to uzupełnione wsparciem modułów LaPack i BLAS. Obliczmy odwrotność macierzy za pomocą funkcji modułu Linalga w bibliotece Scipy.

Przykład 1:

Ten przykład używa funkcji Inv () do obliczenia odwrotności matrycy. Funkcja Inv () jest częścią modułu Linalg w bibliotece Scipy. Rozważ następujący program:

importować Numpy jako NP
z scipy import Linalg
MAT = NP.tablica ([[3, 9], [7, 6]])
Drukuj (Linalg.Inv (MAT))

Program rozpoczyna się od importu bibliotek Numpy i Scipy do programu. Wszystkie funkcje w programie są powiązane z bibliotekami. Matryca jest zadeklarowana w NP.moduł array () i przekazany do funkcji Inv (). Sprawdźmy odwrotność matrycy w następujący sposób:

Przykład 2:

Inne funkcje biblioteki SCIPY i modułu Linalga, które można wykonać w matrycy, to transponowanie, mnożenie macierzy itp. Ten przykład wyjaśnia, jak zaimplementować te funkcje w matrycy. Rozważ następujący przykładowy kod:

importować Numpy jako NP
z scipy import Linalg
Mata = NP.tablica ([[3, 9], [7, 5]])
MATB = NP.tablica ([[4, 8], [2, 6]])
Drukuj („Transposłu.T)
Drukuj („\ n mnożenie macierzy to:”, Mata.kropka (matb.T))

Tutaj widać, że biblioteki Numpy i Scipy są wywoływane w programie do korzystania z powiązanych z nimi funkcji. Następnie zadeklarowane są dwie matryce. Transpose matrycy jest obliczane przy użyciu funkcji „t” modułu Linalga. A pomnożenie dwóch macierzy jest wykonywane przy użyciu funkcji DOT () modułu Linalga. Wyjście jest następujące:

Python scipy rzadkie macierze

Biblioteka Scipy działa również z rzadkimi macierzami. Rzadkie macierze są zasadniczo składające się głównie z wartości zerowych lub nieużywanych elementów. Rzadkie dane to dane, które nie mają żadnych informacji. Kiedy zajmujemy się częściową pochodną w obliczeniach naukowych, często spotykamy rzadkie dane. Poniższa sekcja wyjaśnia Scipy.moduł SPRASE z pomocą przykładów. Biblioteka Scipy ma rzadki moduł, który oferuje wiele przydatnych funkcji, które należy użyć do wykonywania wielu rodzajów obliczeń w matrycach.

Istnieją dwa rodzaje rzadkich macierzy, które są pikantne.Rzadkie zastosowania modułu do obliczania matrycy - to CSC i CSR. Macierz CSC oznacza sprężoną rzadką matrycę kolumnową, a macierz CSR stoi dla sprężonej macierzy rzadkiej rzędu. Matryca CSC wykonuje szybkie krojenie kolumn i wydajną arytmetykę na kolumnach. Z drugiej strony CSR wykonuje szybkie krojenie rzędów i szybko oblicza wektor matrycy. Wyjaśnijmy każdy rodzaj macierzy za pomocą przykładów.

Przykład 1:

W tym przykładzie poprowadzimy Cię, jak utworzyć macierz CSR za pomocą metody CSR_Matrix biblioteki Scipy. Moduł rzadki ma funkcję CSR_Matrix, która służy do utworzenia macierzy CSR. Rozważ przykładowy program w następującym fragmencie kodu, aby zrozumieć, jak zaimplementować funkcję CSR_Matrix w programie Python:

importować Numpy jako NP
od Scipy.rzadki import csr_matrix
CSR = NP.tablica ([0, 2, 1, 0, 0, 0, 1, 0, 0, 0, 3, 0, 0, 0])
druk (CSR_Matrix (CSR))

Funkcja scr_matrix wycina wiersze i zbiera wartości niezerowe i utworz macierz CSR tych niezerowych wartości. Biblioteka Numpy jest zawarta w programie jako NP, abyśmy mogli użyć tablicy Numpy do deklaracji danych. Następnie uwzględniono bibliotekę Scipy wraz z rzadkim modułem, aby wyraźnie wywołać funkcję CSR_Matrix. Po zaimportowaniu wymaganych bibliotek dane są zadeklarowane, przechowywane w zmiennej „CSR” i przekazywane do funkcji CSR_Matrix w celu utworzenia macierzy CSR. Dany kod zwraca następującą matrycę:

Przykład 2:

Dowiedzmy się, jak utworzyć macierz CSC za pomocą funkcji rzadkiego modułu biblioteki Scipy. Rzadki moduł zapewnia funkcję CSC_Matrix do utworzenia macierzy CSC. W tym przykładzie utwórzmy pustą matrycę 3 x 3 CSC. Rozważ następujący przykładowy kod:

od Scipy.rzadki import csc_matrix
csc_matrix ((3, 3))

Tutaj widać, że biblioteka Scipy wraz z modułem rzadkim jest zawarty w programie, aby wywołać funkcję CSC_Matrix. Aby utworzyć matrycę 3 x 3, kształt macierzy jest przekazywany do funkcji CSC_Matrix. Zobaczmy wygenerowane dane wyjściowe według tego wiersza kodu:

Wyjście wskazuje, że tworzona macierz rozmiaru 3 x 3 i danych danych. Teraz, jeśli chcesz zobaczyć utworzoną matrycę, możesz użyć funkcji toArray () z funkcją CSC_Matrix. Ponadto, jeśli chcesz zmienić danych danych w matrycy, możesz określić typ danych w CSC_Matrix. Zobacz poniższy wiersz kodu, aby zrozumieć, w jaki sposób możesz określić te parametry za pomocą funkcji CSC_Matrix:

od Scipy.rzadki import csc_matrix
CSC_Matrix ((3, 3), Dtype = NP.int8).toarray ()

Data danych można podać w parametrze „Dtype”. Tutaj zadeklarowany jest danych „int8”. Ponadto funkcja „Toarray” nie jest wywoływana z funkcją CSC_Matrix. Zobaczmy utworzoną pustą matrycę CSC w następujący sposób:

Wniosek

Ten artykuł jest poświęcony matrycom Python Scipy. Zbadaliśmy bibliotekę Scipy dla macierzy i dowiedzieliśmy się o różnych metodach i funkcjach biblioteki Scipy dla macierzy. Biblioteka Scipy zapewnia rzadki moduł, który oferuje szeroką gamę funkcji do użycia z matrycami. Zbadaliśmy również funkcje modułu Linalg biblioteki Scipy dostępnych dla macierzy. Za pomocą przykładów wykazaliśmy, jak wdrożyć funkcje tych modułów w programach Python.