Matrizes Scipy

Matrix é um elemento muito comum da matemática e é usado para realizar muitos tipos diferentes de cálculos. A linguagem de programação python foi projetada para tornar a vida das pessoas mais fácil e simples. Ele fornece funções muito úteis para executar todos os tipos de cálculos científicos, estatísticos e matemáticos. Em geral, a matemática, a matriz é um arranjo de dados na forma de colunas e linhas. Este artigo é um guia sobre como trabalhar com matrizes em programas Python. O Python oferece diferentes bibliotecas associadas a uma variedade de funções para lidar com matrizes. No final deste artigo, você poderá implementar as diferentes funções python em matrizes.

O que são matrizes centeras?

Scipy é uma biblioteca Python que fornece diferentes tipos de métodos, funções e módulos perfeitos para executar qualquer tipo de função matemática e estatística. A biblioteca Scipy possui o módulo Linalg usado em matrizes para executar as diferentes operações em matrizes como transposição, multiplicação de matrizes, etc. Ele contém todas as funções nas quais o módulo Linalg da biblioteca Numpy possui e os mais avançados que não fazem parte do módulo Linalg da biblioteca Numpy. Além disso, é composto pelo apoio dos módulos de lapack e blas. Vamos calcular o inverso de uma matriz usando a função do módulo Linalg da biblioteca scipy.

Exemplo 1:

Este exemplo usa a função Inv () para calcular o inverso de uma matriz. A função Inv () faz parte do módulo Linalg na biblioteca scipy. Considere o seguinte programa:

importar numpy como np
De Scipy importar linalg
mat = np.Array ([[3, 9], [7, 6]]))
Imprimir (Linalg.Inv (Mat))

O programa começa com a importação das bibliotecas Numpy e Scipy para o programa. Todas as funções do programa estão associadas às bibliotecas. A matriz é declarada no NP.Módulo Array () e passado para a função Inv (). Vamos verificar o inverso da matriz no seguinte:

Exemplo 2:

Outras funções da biblioteca scipy e módulo Linalg que podem ser executadas na matriz são transpostas, multiplicação de matrizes, etc. Este exemplo explica como implementar essas funções na matriz. Considere o seguinte código de amostra:

importar numpy como np
De Scipy importar linalg
mata = np.Array ([[3, 9], [7, 5]]))
matb = np.Array ([[4, 8], [2, 6]]))
print ("A transposição de matriz B é:", MatB.T)
print ("\ nA multiplicação de matriz é:", mata.DOT (MATB.T))

Aqui, você pode ver que as bibliotecas Numpy e Scipy são chamadas no programa para usar as funções associadas a elas. Depois disso, duas matrizes são declaradas. A transposição da matriz é calculada usando a função "T" do módulo Linalg. E a multiplicação das duas matrizes é realizada usando a função DOT () do módulo Linalg. A saída é a seguinte:

Matrizes esparsas de python Scipy

A biblioteca scipy também funciona com matrizes esparsas. As matrizes esparsas são basicamente consistem em valores principalmente zero ou elementos não utilizados. Os dados esparsos são os dados que não têm nenhuma informação. Quando lidamos com o derivado parcial na computação científica, geralmente encontramos dados esparsos. A seção a seguir explica o círculo.Módulo Sprase com a ajuda de exemplos. A biblioteca scipy possui um módulo escasso que oferece muitas funções úteis a serem usadas para executar vários tipos de computação nas matrizes.

Existem dois tipos de matrizes esparsas que picantes.Usos de módulo esparso para a computação da matriz - eles são CSC e CSR. A matriz CSC significa matriz de coluna esparsa compactada e a matriz CSR significa matriz de linha esparsa compactada. A matriz CSC executa fatia de coluna rápida e aritméticos eficientes em colunas. Por outro. Vamos explicar cada tipo de matriz com a ajuda de exemplos.

Exemplo 1:

Neste exemplo, vamos guiá -lo sobre como criar uma matriz de CSR usando o método CSR_MATRIX da biblioteca Scipy. O módulo esparso tem a função CSR_MATRIX, que é usada para criar uma matriz de CSR. Considere o programa de amostra no snippet de código a seguir para entender como implementar a função CSR_MATRIX em um programa Python:

importar numpy como np
de Scipy.Importação esparsa CSR_MATRIX
CSR = np.Array ([0, 2, 1, 0, 0, 0, 1, 0, 0, 0, 3, 0, 0, 0])
Imprimir (CSR_Matrix (CSR))

A função scr_matrix corta as linhas e coleta os valores diferentes de zero e cria a matriz de CSR desses valores diferentes de zero. A biblioteca Numpy está incluída no programa como NP para que possamos usar a matriz Numpy para declaração de dados. Depois disso, a Biblioteca Cipy junto com o módulo esparso é incluída para chamar explicitamente a função CSR_MATRIX. Depois de importar as bibliotecas necessárias, os dados são declarados, armazenados na variável "CSR" e passados ​​para a função CSR_MATRIX para criar a matriz CSR. O código fornecido retorna a seguinte matriz:

Exemplo 2:

Vamos aprender a criar uma matriz CSC usando as funções do módulo esparso da biblioteca cipy. O módulo esparso fornece a função csc_matrix para criar uma matriz CSC. Vamos criar uma matriz CSC 3 x 3 vazia neste exemplo. Considere o seguinte código de amostra:

de Scipy.Importação esparsa csc_matrix
csc_matrix ((3, 3))

Aqui, você pode ver que a biblioteca scipy junto com o módulo escasso está incluída no programa para chamar a função csc_matrix. Para criar a matriz 3 x 3, a forma da matriz é passada para a função csc_matrix. Vamos ver a saída gerada por esta linha de código:

A saída indica que uma matriz de tamanho 3 x 3 e float do tipo de dados é criada. Agora, se você quiser ver a matriz criada, pode usar a função ToArray () com a função csc_matrix. Além disso, se você deseja alterar o tipo de dados dos dados na matriz, poderá especificar o tipo de dados no CSC_Matrix. Consulte a seguinte linha de código para entender como você pode especificar esses parâmetros com a função csc_matrix:

de Scipy.Importação esparsa csc_matrix
csc_matrix ((3, 3), dtype = np.int8).ToArray ()

O tipo de dados pode ser fornecido no parâmetro "dtype". Aqui, o tipo de dados "int8" é declarado. Além disso, a função "Toarray" é chamada com a função csc_matrix. Vamos ver a matriz CSC vazia criada no seguinte:

Conclusão

Este artigo é dedicado às matrizes cípias de Python. Exploramos a Biblioteca Cipy para Matrizes e aprendemos sobre os diferentes métodos e funções da Biblioteca Scipy para Matrizes. A biblioteca scipy fornece um módulo esparso que oferece uma ampla gama de funções a serem usadas com matrizes. Também exploramos as funções do módulo Linalg da Biblioteca Scipy disponível para matrizes. Com a ajuda de exemplos, demonstramos como implementar as funções desses módulos em programas Python.