>>> from numpy import *
>>> a1 =[[1,2,3],[4,5,6]] #列表
>>> a1
[[1, 2, 3], [4, 5, 6]]
>>> a2 = array(a1) #列表 -----> 陣列
>>> a2
array([[1, 2, 3],
[4, 5, 6]])
>>> a3 = mat(a1) #列表 ----> 矩陣
>>> a3
matrix([[1, 2, 3],
[4, 5, 6]])
>>> a4=a3[:,0:2] #對矩陣的操作,選取其前兩列的資料
>>> a4
matrix([[1, 2],
[4, 5]])
>>> a5 = a3.tolist() #矩陣 ---> 列表
>>> a5
[[1, 2, 3], [4, 5, 6]]
>>> a5 == a1
true
>>> a6 = list(a2) #陣列 ---> 列表
>>> a6
[array([1, 2, 3]), array([4, 5, 6])]
>>> a7=a2.tolist() #陣列 ---> 列表,內部陣列也轉換成列表
>>> a7
[[1, 2, 3], [4, 5, 6]]
>>> a8 = array(a3) #矩陣 ---> 陣列
>>> a8
array([[1, 2, 3],
[4, 5, 6]])
>>> a9 = mat(a2) #陣列 ---> 矩陣
>>> a9
matrix([[1, 2, 3],
[4, 5, 6]])
>>> ################
>>> #在一維情況下的#矩陣 ---> 陣列---> 矩陣結果不同
>>> #在一維情況下的列表 ----> 矩陣 ---> 列表結果不同
>>> a1 =[1,2,3,4,5,6] #列表
>>> a1
[1, 2, 3, 4, 5, 6]
>>> a3 = mat(a1) #列表 ----> 矩陣
>>> a3
matrix([[1, 2, 3, 4, 5, 6]])
>>> a4 = a3.tolist() #矩陣 ---> 列表
>>> a4
[[1, 2, 3, 4, 5, 6]]
>>> a4[0]
[1, 2, 3, 4, 5, 6]
>>> a5 = mat(array(a1)) #陣列 ---> 矩陣
>>> a5
matrix([[1, 2, 3, 4, 5, 6]])
>>> a6 = array(a5) #矩陣 ---> 陣列
>>> a6
array([[1, 2, 3, 4, 5, 6]])
**：
python 中的 陣列 矩陣 列表
參考 作為初學者 很容易混淆這兩個概念 記錄一下 陣列和c語言中一樣，可以通過下標訪問，例如 乙個3 3的陣列，在python中是這樣的 array 1,2,3 1,1,2 1,2,2 用a 1 2 訪問的是第二行第三個元素 2.但是python中很多的操作都是對矩陣進行的。所以通過呼叫 from ...
python 中的列表，陣列和矩陣
numpy使用ndarray物件來處理多維陣列，該物件是乙個快速而靈活的大資料容器。使用python列表可以儲存一維陣列，通過列表的巢狀可以實現多維陣列，那麼為什麼還需要使用numpy呢？numpy是專門針對陣列的操作和運算進行了設計，所以陣列的儲存效率和輸入輸出效能遠優於python中的巢狀列表，...
Python列表 Numpy陣列與矩陣的區別
python列表和numpy陣列的區別 numpy使用ndarray物件來處理多維陣列，該物件是乙個快速而靈活的大資料容器。使用python列表可以儲存一維陣列，通過列表的巢狀可以實現多維陣列，那麼為什麼還需要使用numpy呢？numpy是專門針對陣列的操作和運算進行了設計，所以陣列的儲存效率和輸入...