Matrici Scipy

Matrix è un elemento molto comune di matematica e viene utilizzato per eseguire molti diversi tipi di calcoli. Il linguaggio di programmazione Python è progettato per rendere la vita delle persone più semplice e più semplice. Fornisce funzioni molto utili per svolgere tutti i tipi di calcoli scientifici, statistici e matematici. In generale matematica, la matrice è una disposizione dei dati sotto forma di colonne e righe. Questo articolo è una guida su come lavorare con le matrici nei programmi Python. Python offre diverse librerie associate a una varietà di funzioni per gestire le matrici. Alla fine di questo articolo, sarai in grado di implementare le diverse funzioni di Python sulle matrici.

Cosa sono le matrici di Scipy?

Scipy è una libreria Python che fornisce diversi tipi di metodi, funzioni e moduli che sono perfetti per eseguire qualsiasi tipo di funzione matematica e statistica. La libreria Scipy ha il modulo Linalg che viene utilizzato sulle matrici per eseguire le diverse operazioni su matrici come la trasposizione, la moltiplicazione della matrice, ecc. Contiene tutte le funzioni in cui ha il modulo Linalg della libreria numpy e quelli più avanzati che non fanno parte del modulo Linalg della libreria numpy. Inoltre, è costituito dal supporto dei moduli Lapack e Blas. Calcoliamo l'inverso di una matrice usando la funzione del modulo Linalg della libreria Scipy.

Esempio 1:

Questo esempio utilizza la funzione Inv () per calcolare l'inverso di una matrice. La funzione Inv () fa parte del modulo Linalg nella libreria Scipy. Considera il seguente programma:

Importa Numpy come NP
da Scipy Import Linalg
mat = np.Array ([[3, 9], [7, 6]])
Stampa (Linalg.inv (mat))

Il programma inizia con l'importazione delle biblioteche Numpy e Scipy nel programma. Tutte le funzioni del programma sono associate alle biblioteche. La matrice è dichiarata nel NP.Modulo Array () e passato alla funzione Inv (). Controlliamo l'inverso della matrice di seguito:

Esempio 2:

Altre funzioni della libreria Scipy e del modulo Linalg che possono essere eseguiti sulla matrice sono trasposti, moltiplicazione della matrice, ecc. Questo esempio spiega come implementare queste funzioni sulla matrice. Considera il seguente codice di esempio:

Importa Numpy come NP
da Scipy Import Linalg
mata = np.Array ([[3, 9], [7, 5]])
MATB = np.array ([[4, 8], [2, 6]])
Stampa ("La trasposizione di Matrix B è:", MATB.T)
print ("\ n la moltiplicazione della matrice è:", Mata.punto (MATB.T))

Qui, puoi vedere che le librerie Numpy e Scipy sono chiamate nel programma per utilizzare le funzioni associate ad esse. Dopodiché, vengono dichiarate due matrici. La trasposizione della matrice viene calcolata usando la funzione "t" del modulo Linalg. E la moltiplicazione delle due matrici viene eseguita usando la funzione dot () del modulo Linalg. L'output è il seguente:

Python Scipy Sparse Matrices

La biblioteca Scipy funziona anche con matrici sparse. Le matrici sparse sono sostanzialmente costituite da valori principalmente zero o elementi inutilizzati. I dati sparsi sono i dati che non hanno alcuna informazione. Quando ci occupiamo del derivato parziale nel calcolo scientifico, spesso ci imbattiamo in dati sparsi. La sezione seguente spiega lo Scipy.Modulo Sprase con l'aiuto di esempi. La libreria Scipy ha un modulo sparso che offre molte funzioni utili da utilizzare per eseguire più tipi di calcolo sulle matrici.

Esistono due tipi di matrici sparse.Usi di moduli sparsi per il calcolo della matrice - Sono CSC e CSR. La matrice CSC sta per matrice di colonna sparsa compressa e la matrice CSR sta per matrice di riga sparsa compressa. La matrice CSC esegue un taglio rapido della colonna e aritmetiche efficienti sulle colonne. D'altra parte, la CSR esegue una riga rapida e calcola rapidamente il vettore della matrice. Spiegiamo ogni tipo di matrice con l'aiuto di esempi.

Esempio 1:

In questo esempio, ti guideremo su come creare una matrice CSR usando il metodo CSR_Matrix della libreria Scipy. Il modulo sparso ha la funzione CSR_MATRIX che viene utilizzata per creare una matrice CSR. Considera il programma di esempio nel seguente frammento di codice per capire come implementare la funzione CSR_MATRIX in un programma Python:

Importa Numpy come NP
da Scipy.Importazione sparsa csr_matrix
CSR = np.Array ([0, 2, 1, 0, 0, 0, 1, 0, 0, 0, 3, 0, 0, 0])
print (csr_matrix (CSR))

La funzione SCR_MATRIX taglia le righe e raccoglie i valori diversi da zero e crea la matrice CSR di quei valori diversi da zero. La libreria Numpy è inclusa nel programma come NP in modo da poter utilizzare l'array numpy per la dichiarazione di dati. Successivamente, la libreria Scipy insieme al modulo sparsa è inclusa per chiamare esplicitamente la funzione CSR_Matrix. Dopo aver importato le librerie richieste, i dati vengono dichiarati, archiviati nella variabile "CSR" e passati alla funzione CSR_Matrix per creare la matrice CSR. Il codice dato restituisce la seguente matrice:

Esempio 2:

Impariamo come creare una matrice CSC usando le funzioni del modulo sparso della libreria Scipy. Il modulo sparsa fornisce la funzione CSC_Matrix per creare una matrice CSC. Creiamo una matrice CSC da 3 x 3 vuota in questo esempio. Considera il seguente codice di esempio:

da Scipy.Importa spara CSC_Matrix
CSC_Matrix ((3, 3))

Qui, puoi vedere che la libreria Scipy insieme al modulo sparsa è inclusa nel programma per chiamare la funzione CSC_Matrix. Per creare la matrice 3 x 3, la forma della matrice viene passata alla funzione CSC_Matrix. Vediamo l'output generato da questa riga di codice:

L'output indica che viene creata una matrice di dimensioni 3 x 3 e il galleggiante del tipo di dati. Ora, se vuoi vedere la matrice creata, puoi utilizzare la funzione ToArray () con la funzione CSC_Matrix. Inoltre, se si desidera modificare il tipo di dati dei dati nella matrice, è possibile specificare il tipo di dati in CSC_Matrix. Vedere la seguente riga di codice per capire come è possibile specificare questi parametri con la funzione CSC_Matrix:

da Scipy.Importa spara CSC_Matrix
CSC_Matrix ((3, 3), dType = NP.int8).Toarray ()

Il tipo di dati può essere fornito nel parametro "dType". Qui, viene dichiarato il tipo di dati "int8". Inoltre, la funzione "Toarray" non è chiamata con la funzione CSC_Matrix. Vediamo la matrice CSC vuota creata nel seguente:

Conclusione

Questo articolo è dedicato alle matrici di Python Scipy. Abbiamo esplorato la libreria Scipy per le matrici e abbiamo appreso i diversi metodi e funzioni della libreria Scipy per le matrici. La libreria Scipy fornisce un modulo sparso che offre una vasta gamma di funzioni da utilizzare con le matrici. Abbiamo anche esplorato le funzioni del modulo Linalg della libreria Scipy disponibile per le matrici. Con l'aiuto di esempi, abbiamo dimostrato come implementare le funzioni di questi moduli nei programmi Python.