python：NumPy基础操作与矩阵求和示例

引言

NumPy 是 Python 中一个极为强大的库，主要用于进行大规模的数学计算。它提供了多维数组对象、一系列操作数组的函数，以及用于集成 C/C++ 和 Fortran 代码的工具。今天，我们将通过一个简单的示例来展示如何使用 NumPy 创建数组、矩阵，并计算它们的和。

代码示例

以下是一个简单的 Python 脚本，它使用了 NumPy 来创建一维数组、二维矩阵，并计算这些数组与矩阵的行和与总和。

import numpy as np

# 设定矩阵的大小
N = int(3)

# 创建一个长度为 N 的一维数组，所有元素均为 1
array_1d = np.ones((N,))

# 创建一个 N x N 的二维矩阵，所有元素均为 0
matrix = np.zeros((N, N))

# 用 0 到 N*N-1 的整数填充矩阵
a = 0
for i in range(N):
    for j in range(N):
        matrix[i, j] = a
        a += 1

# 打印一维数组和矩阵
print("一维数组:")
print(array_1d)
print("矩阵:")
print(matrix)

# 计算矩阵每一行的和，并将结果存储在列表中
new = []
for i in range(N):
    row_sum = np.sum(matrix[i])
    new.append(row_sum)

# 打印每一行的和
print("矩阵每一行的和:")
print(new)

# 计算矩阵所有元素的和，并将其转换为整数后打印
matrix_sum = np.sum(matrix)
print("矩阵所有元素的和（整数）:")
print(int(matrix_sum))

代码解析

1. 导入 NumPy 库：

   import numpy as np

   这行代码导入了 NumPy 库，并为其设置了别名 np，以便在后续代码中方便地调用。

2. 创建一维数组和矩阵：

   array_1d = np.ones((N,))
   matrix = np.zeros((N, N))

   这里，我们使用 np.ones 创建了一个长度为 N 的一维数组，数组中的所有元素均为 1。接着，使用 np.zeros 创建了一个 N x N 的二维矩阵，矩阵中的所有元素均为 0。

3. 填充矩阵：

   a = 0
   for i in range(N):
       for j in range(N):
           matrix[i, j] = a
           a += 1

   这段代码通过两层嵌套循环，用从 0 到 N*N-1 的整数填充了矩阵。

4. 打印一维数组和矩阵：
   使用 print 函数打印了一维数组和矩阵。

5. 计算矩阵每一行的和：

   new = []
   for i in range(N):
       row_sum = np.sum(matrix[i])
       new.append(row_sum)

   这段代码通过循环计算了矩阵每一行的和，并将结果存储在列表 new 中。

6. 打印每一行的和：
   使用 print 函数打印了列表 new 中的内容。

7. 计算矩阵所有元素的和：

   matrix_sum = np.sum(matrix)
   print(int(matrix_sum))

   最后，我们使用 np.sum 函数计算了矩阵所有元素的和，并将其转换为整数后打印出来。

我们可以看到 NumPy 在处理数组和矩阵时的强大功能。无论是创建数组、填充矩阵，还是计算数组与矩阵的和，NumPy 都提供了简洁而高效的方法。如果你对大规模数学计算感兴趣，不妨深入学习一下 NumPy 这个库。

Donate