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

  1. [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 ...

  2. 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- ...

  3. 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( ...

  4. 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) ...

  5. 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 ...

  6. 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 ...

  7. [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 ...

  8. 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 ...

  9. 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

  1. [ kvm ] 学习笔记 8:Ovirt 基础及使用

    目录- 1. oVirt 功能介绍- 2. oVirt 安装部署    - 2.1 基础准备    - 2.2 安装 ovirt-engine    - 2.3 配置 kvm 主机    - 2.4 ...

  2. Win10安装DB2配置笔记

    响应文件名:D:\data\DB2\PROD_EXPC.rsp 安装文件夹--目录:D:\Program Files\IBM\SQLLIB\ IBM SSH Server安装位置:D:\Program ...

  3. Winsock.简单TCP

    PS:vs2017 编译C++代码 支持 XP:项目属性-->链接器-->系统-->需要的最小版本--> 输入 "5.1" 1.ZC:测试:c向s 发送长度 ...

  4. Lombok - 使用注解让你的JavaBean变得更加简洁

    Lombok - 工具简介: Lombok是一个编译时注释预处理器,有助于在编译时注入一些代码.Lombok提供了一组在开发时处理的注释,以将代码注入到Java应用程序中,注入的代码在开发环境中立即可 ...

  5. 批处理cmd开启,关闭防火墙

    管理员启动dos窗口 开启防火墙: netsh advfirewall set allprofiles state on 关闭防火墙: netsh advfirewall set allprofile ...

  6. (转)FFmpeg架构之I/O模块分析

    注意:这篇转载的文章比较早,写得很清晰,但是新版的ffmpeg的很多数据结构的名字已经改了.因此只能作参考.(例如ByteIOContext已经改名为AVIOContext) 1概述 ffmpeg项目 ...

  7. 调用WebService时加入身份验证,以拒绝未授权的访问

    众所周知,WebService是为企业需求提供的在线应用服务,其他公司或应用软件能够通过Internet来访问并使用这项在线服务.但在有些时候的某些应用服务不希望被未授权访问,那么此时我们可以一下几种 ...

  8. shiro登录验证简单理解

    这两天接手了下师兄的项目,要给系统加个日志管理模块,其中需要记录登录功能的日志,那么首先要知道系统的登录是在哪里实现验证的. 该系统把所有登录验证还有权限控制的工作都交给了shiro. 这篇文章就先简 ...

  9. WPF GridView动态添加项并读取数据

    假设数据库有如下表, 首先我们创建一个WPF工程,界面如下 <Window x:Class="WpfApplication2.MainWindow" xmlns=" ...

  10. C#操作Windows控制面板

    先介绍一下Windows控制面板的一些操作,再介绍如何用C#语言来操作控制面板. 1.如何快速打开控制面板中的项目: 运行输入(大小写不敏感) control system 打开系统信息 contro ...