基于numpy实现矩阵计算器
要求
制作一个Python的矩阵计算器:
① 程序提供任意两矩阵的加、乘法运算;方阵的行列式计算、逆矩阵计算、特征分解;任意矩阵的转置等计算功能,可自行添加功能
② 从控制台通过键盘获取数据并完成以上的计算,不强制要求异常检测
③ 使用8组以上的非典型数据(如对角矩阵,单位矩阵等)进行测试并完成计算结果记录
代码要求:
① 有完整的输入输出提示与代码注释
② 至少具备题目要求所述功能
③ 能够正确输出运算结果
代码
import numpy as np
import os
import time
'''
1. 矩阵相加: shape
2. 矩阵相乘: shape
3. 行列式计算 x = y
4. 逆矩阵计算 det != 0
5. 特征分解 x = y
6. 矩阵的转置 None
7. 矩阵相减 shape
8. 矩阵相除 shape
9. 矩阵对应相乘 shape
10. 奇异值分解
'''
class MatCal:
"""用来进行两个矩阵进行的操作"""
def __init__(self,mat1,mat2):
self.__mat1 = mat1
self.__mat2 = mat2
def add(self):
if self.__mat1.shape != self.__mat2.shape:
print("两个待相加矩阵的shape不一致,无法操作")
return None
else:
return self.__mat1 + self.__mat2
def multi(self):
"""矩阵对应相乘"""
if self.__mat1.shape != self.__mat2.shape:
print("两个待相乘矩阵的shape不满足要求,无法操作")
return None
return self.__mat1 * self.__mat2
def matmulti(self):
"""矩阵相乘"""
if self.__mat1.shape[1] != self.__mat2.shape[0]:
print("两个待相乘矩阵的shape不满足要求,无法操作")
return None
return np.matmul(self.__mat1,self.__mat2)
def sub(self):
"""矩阵相减"""
if self.__mat1.shape != self.__mat2.shape:
print("两个待相减矩阵的shape不满足要求,无法操作")
return None
return self.__mat1 - self.__mat2
def divide(self):
"""矩阵相减"""
if self.__mat1.shape != self.__mat2.shape:
print("两个待相除矩阵的shape不满足要求,无法操作")
return None
return self.__mat1 / self.__mat2
class MatCom:
"""用来进行一个矩阵进行操作"""
def __init__(self,mat):
self.__mat = mat
def det(self):
"""计算行列式"""
if self.__mat.shape[0] != self.__mat.shape[1]:
print("矩阵行列数目应该相等")
return None
return np.linalg.det(self.__mat)
def invert(self):
"""计算逆矩阵"""
if self.det() != None and self.det() != 0:
return np.linalg.inv(self.__mat)
else:
return None
def eigs(self):
"""计算矩阵特征分解"""
if self.__mat.shape[0] != self.__mat.shape[1]:
print("矩阵行列数目应该相等")
return None
return np.linalg.eig(self.__mat)# 1. 特征值, 2.特征向量
def svds(self):
"""矩阵奇异值分解"""
return np.linalg.svd(self.__mat)# 1.左奇异 2.奇异值 3. 右奇异
def trans(self):
"""矩阵的转置"""
return self.__mat.T
def mkMat(row, col):
"""根据row,col进行矩阵的构造"""
print("----start----")
arr = []
for i in range(row):
tmp_arr = []
r = input("请输入第{:d}行内容:".format(i+1))
tmp = r.split()
while len(tmp) != col:
print("您输入尺寸大小不正确,长度应该为:{:d}".format(col))
r = input("请输入第{:d}行内容:".format(i+1))
tmp = r.split()
for j in range(col):
tmp_arr.append(float(tmp[j]))
arr.append(tmp_arr)
print("----end----")
return np.array(arr,dtype=np.float32)
def printMat(mat):
for i in range(mat.shape[0]):
for j in range(mat.shape[1]):
print("\t{:.1f}".format(mat[i][j]),end="")
print()
def show2Res(mat1,mat2,mat):
print("矩阵:")
printMat(mat1)
print("和矩阵:")
printMat(mat2)
print("运算结果为:")
printMat(mat)
if __name__ == "__main__":
str1 = "请输入想要的操作对应序号:\n 1. 矩阵相加 \n 2. 矩阵相乘 \n 3. 行列式计算 \n 4. 逆矩阵计算 \n 5. 特征分解 \n 6. 矩阵的转置\n "
str2 = "7. 矩阵相减 \n 8. 矩阵相除 \n 9. 矩阵对应相乘 \n 10. 奇异值分解 \n 0. 退出 \n 请输入:"
while True:
a = input(str1+str2)
if a == "1":
print("计算两个矩阵相加 (两个矩阵的大小需要一相同)")
row1,col1 = input("请输入矩阵1的行:"),input("请输入矩阵1的列:")
mat1 = mkMat(int(row1),int(col1))
row2,col2 = input("请输入矩阵2的行:"),input("请输入矩阵2的列:")
mat2 = mkMat(int(row2),int(col2))
tmp = MatCal(mat1,mat2)
if tmp != None:
show2Res(mat1,mat2,tmp.add())
elif a == "2":
print("计算两个矩阵相乘 (第一个矩阵的第二维与第二个矩阵的第一维需要相同)")
row1,col1 = input("请输入矩阵1的行:"),input("请输入矩阵1的列:")
mat1 = mkMat(int(row1),int(col1))
row2,col2 = input("请输入矩阵2的行:"),input("请输入矩阵2的列:")
mat2 = mkMat(int(row2),int(col2))
tmp = MatCal(mat1,mat2)
if tmp.matmulti() != None:
show2Res(mat1,mat2,tmp.matmulti())
elif a == "3":
print("下面进行行列式计算 (请输入一个矩阵)")
row1,col1 = input("请输入矩阵的行:"),input("请输入矩阵的列:")
mat = mkMat(int(row1),int(col1))
tmp = MatCom(mat)
if tmp.det() != None:
print("矩阵:")
printMat(mat)
print("的行列式值为:{:.2f}".format(tmp.det()))
else:
print("error:请重新输入")
elif a == "4":
print("进行逆矩阵运算(请输入一个矩阵)")
row1,col1 = input("请输入矩阵的行:"),input("请输入矩阵的列:")
mat = mkMat(int(row1),int(col1))
tmp = MatCom(mat)
if tmp.invert().all() != None:
print("矩阵:")
printMat(mat)
print("的逆矩阵为")
printMat(tmp.invert())
else:
print("error: 请重新输入")
elif a == "5":
print("进行矩阵特征分解(请输入一个矩阵)")
row1,col1 = input("请输入矩阵的行:"),input("请输入矩阵的列:")
mat = mkMat(int(row1),int(col1))
tmp = MatCom(mat)
print("矩阵:")
printMat(mat)
if tmp.eigs() != None:
t1,t2 = tmp.eigs()
print("的矩阵特征值为:")
print(t1)
print("特征向量为:")
print(t2)
else:
print("error:请重新输入")
elif a == "6":
print("进行矩阵转置运算(请输入一个矩阵)")
row1,col1 = input("请输入矩阵的行:"),input("请输入矩阵的列:")
mat = mkMat(int(row1),int(col1))
tmp = MatCom(mat)
print("矩阵:")
printMat(mat)
print("的转置矩阵为")
printMat(tmp.trans())
elif a == "7":
print("计算两个矩阵相减 (两个矩阵的大小需要一相同)")
row1,col1 = input("请输入矩阵1的行:"),input("请输入矩阵1的列:")
mat1 = mkMat(int(row1),int(col1))
row2,col2 = input("请输入矩阵2的行:"),input("请输入矩阵2的列:")
mat2 = mkMat(int(row2),int(col2))
tmp = MatCal(mat1,mat2)
if tmp != None:
show2Res(mat1,mat2,tmp.sub())
elif a == "8":
print("计算两个矩阵对应相除 (两个矩阵shape应该一样)")
row1,col1 = input("请输入矩阵1的行:"),input("请输入矩阵1的列:")
mat1 = mkMat(int(row1),int(col1))
row2,col2 = input("请输入矩阵2的行:"),input("请输入矩阵2的列:")
mat2 = mkMat(int(row2),int(col2))
tmp = MatCal(mat1,mat2)
if tmp != None:
show2Res(mat1,mat2,tmp.divide())
elif a == "9":
print("计算两个矩阵对应相乘 (两个矩阵shape应该一样)")
row1,col1 = input("请输入矩阵1的行:"),input("请输入矩阵1的列:")
mat1 = mkMat(int(row1),int(col1))
row2,col2 = input("请输入矩阵2的行:"),input("请输入矩阵2的列:")
mat2 = mkMat(int(row2),int(col2))
tmp = MatCal(mat1,mat2)
if tmp != None:
show2Res(mat1,mat2,tmp.multi())
elif a == "10":
print("进行矩阵奇异值分解(请输入一个矩阵)")
row1,col1 = input("请输入矩阵的行:"),input("请输入矩阵的列:")
mat = mkMat(int(row1),int(col1))
tmp = MatCom(mat)
print("矩阵:")
printMat(mat)
t1,t2,t3 = tmp.svds()
print("的左奇异值为:")
print(t1)
print("奇异值为:")
print(t2)
print("右奇异值为:")
print(t3)
elif a == "0":
break
else:
print("输入错误")
# 暂停一段时间
time.sleep(2)
基于numpy实现矩阵计算器的更多相关文章
- [转]Numpy中矩阵对象(matrix)
numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...
- 一种基于 Numpy 的 TF-IDF 实现报告
一种基于 Numpy 的 TF-IDF 实现报告 摘要 本文使用了一种 state-of-the-art 的矩阵表示方法来计算每个词在每篇文章上的 TF-IDF 权重(特征).本文还将介绍基于 TF- ...
- 科学计算三维可视化---Mlab基础(基于Numpy数组的绘图函数)
Mlab了解 Mlab是Mayavi提供的面向脚本的api,他可以实现快速的三维可视化,Mayavi可以通过Mlab的绘图函数对Numpy数组建立可视化. 过程为: .建立数据源 .使用Filter( ...
- 深度学习基础-基于Numpy的卷积神经网络(CNN)实现
本文是深度学习入门: 基于Python的实现.神经网络与深度学习(NNDL)以及动手学深度学习的读书笔记.本文将介绍基于Numpy的卷积神经网络(Convolutional Networks,CNN) ...
- numpy创建矩阵常用方法
numpy创建矩阵常用方法 arange+reshape in: n = np.arange(0, 30, 2)# start at 0 count up by 2, stop before 30 n ...
- Python numpy中矩阵的用法总结
关于Python Numpy库基础知识请参考博文:https://www.cnblogs.com/wj-1314/p/9722794.html Python矩阵的基本用法 mat()函数将目标数据的类 ...
- [开发技巧]·Python极简实现滑动平均滤波(基于Numpy.convolve)
[开发技巧]·Python极简实现滑动平均滤波(基于Numpy.convolve) 1.滑动平均概念 滑动平均滤波法(又称递推平均滤波法),时把连续取N个采样值看成一个队列 ,队列的长度固定为N ...
- 基于Numpy的神经网络+手写数字识别
基于Numpy的神经网络+手写数字识别 本文代码来自Tariq Rashid所著<Python神经网络编程> 代码分为三个部分,框架如下所示: # neural network class ...
- 汉高澳大利亚matrix矩阵计算器
我在梦中的超级计算机超级计算机锯,使用大量阵列的cpu记忆,完成并行计算.一个手机制造商由于使用普通机械提供的服务,往往造成停机.是铁道部列车网络售票的事实. 无法使用云服务.上万台计算机并行处理,因 ...
随机推荐
- LODOP注册语句相关简短问答
注册和角色相关博文:LODOP.C-LODOP注册号的区别.Lodop客户端本地角色注册号常见误区.Lodop.c-lodop注册与角色简短问答.LODOP和C-LODOP注册与角色等简短问答[增强版 ...
- 【Leetcode_easy】872. Leaf-Similar Trees
problem 872. Leaf-Similar Trees 参考 1. Leetcode_easy_872. Leaf-Similar Trees; 完
- MSP430FR6972驱动模块模组调试
1. 说是会进入晶振的中断 #pragma vector=UNMI_VECTOR 2. 打了断点没进入,猜测是串口被世龙修改后,串口波特率不对,重新改回原来的,AT+NATSPEED?一直发送这个命令 ...
- Java基础教程:多线程基础——线程池
Java基础教程:多线程基础——线程池 线程池 在正常负载的情况瞎,通过为每一个请求创建一个新的线程来提供服务,从而实现更高的响应性. new Thread(runnable).start() 在生产 ...
- logstash kafka output 日志处理
今天在用logstash解析日志并传送给kafka的时候,发现kafka能收到数据但数据内容已经丢失,具体如下: 在logstash output中增加输出样式之后,问题解决kafka再次接受到的内容 ...
- Ubuntu开发环境配置
主要是: 源的更新 安装vim编辑器 远程登录xrdp相关配置 synergy symless键鼠共享配置 对新买的硬盘进行格式化和分区 vsftp环境搭建 gcc开发环境配置 qt5开发环境配置 m ...
- [概率DP][消元法][CF24D]损坏的机器人
Description 有一只坏了的机器人站在一个\(n\times m\)的网格里,初始位置在\((x,y)\).现在每个单位时间内它会随机选左右下三个方向走,如果它随机的方向会走出网格就不会往这个 ...
- idea 默认全局配置maven,避免每次新建项目都需要指定自己的maven目录
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/qq_28624243/article/details/84199937 File->Oth ...
- TypeScript tsconfig.json(TypeScript配置)
如果一个目录下存在一个tsconfig.json文件,那么意味着这个目录是TypeScript项目的根目录. tsconfig.json文件中指定了用来编译这个项目的根文件和编译选项. 一个项目可以通 ...
- Java 发送http GET/POST请求
最近项目里面需要用到Java发送http请求,由于发送https请求有点复杂,暂时不考虑 HttpURLConnection HttpURLConnection是一种多用途.轻量极的HTTP客户端,使 ...