Python 中矩阵加法的完整指南

Python 是一种为执行各种操作奠定基础的语言。 在本文中，我们将深入研究Python 中的矩阵加法。

矩阵被定义为符号、数字或其他对象表示的数组的矩形表示，它使用行和列表示。 例如，让我们取一个矩阵 P，它是一个 3*3 矩阵。 它可以表示如下：

在数学中，矩阵只不过是一组符号、数字或表达式，以行和列的形式排列，并以矩形表示。 例如：我们取一个2*3的矩阵A，它的描述如下：

2 4 7

A = 3 5 9

6 1 8

可以对这些矩阵执行各种运算，如加法、减法、除法等。 现在让我们更深入地了解 Python 中的矩阵加法。

查看 upGrad 的数据科学课程

Python 中的矩阵加法

在本节中，我们将了解并了解 Python 中矩阵加法的工作原理以及执行此操作的各种方法。

与任何其他类型的加法类似，将一个矩阵的元素与另一个矩阵的元素相加称为矩阵加法。 例如，如果矩阵 A 的元素与矩阵 B 的元素相加，则矩阵 C 将存储相加的结果，即 C= A+B。

在Python中，矩阵加法只能在相同形状的矩阵上进行，即如果A是一个2*3的矩阵，那么它可以与同样是2*3的矩阵B相加，但不能与同为a的C相加3*3 矩阵。

关于 Python 中的矩阵加法，要牢记的另一个重要注意事项是，在这种特定语言中，加法流只是单向的。 这意味着矩阵 A[1,1] 的第一个元素只能添加到矩阵 B[1,1] 的第一个元素

探索我们的热门数据科学课程

在继续学习其他方法之前，让我们举个例子来了解 Python 中的基本矩阵加法。

2 3 4 1 1 1

A = 1 5 8 B = 2 2 2

7 6 9 1 1 1

3 4 5

C = A+B = 3 7 10

8 7 10

Python中矩阵加法的各种方法

在 Python 中有 3 种添加矩阵的基本方法。 让我们通过说明性示例来理解它们中的每一个：

• 利用嵌套列表推导的矩阵加法

Python 最美妙的特性之一是列表理解，它被定义为一种智能的迭代可迭代对象以创建列表的方法。 与嵌套循环类似，嵌套列表理解是一个列表理解嵌套在另一个列表中。

使用它，矩阵可以实现为嵌套列表。

阅读我们流行的数据科学文章

为了更好的理解，下面举个例子：

例如。

#通过列表理解添加两个矩阵的程序

A= [ [2, 3, 4], [1, 5, 8], [7, 6, 9] ]

B= [ [4, 2, 2], [1, 4, 1], [2, 2, 4] ]

输出=[ [A[i][j] + B[i][j] for j in range(len(A[0])) ] for i in range (len(A)) ]

对于输出中的 r：

打印(r)

#OUTPUT: [ [6, 5, 6], [2, 9, 9], [9, 8, 13] ]

• 利用嵌套循环的矩阵加法

众所周知，嵌套循环是循环中的循环。 在 Python 中的矩阵加法的情况下，嵌套循环遍历每一列和每一行，并且在每次迭代循环之后，添加矩阵的各个元素并将其存储在第三个矩阵中。

例如。

#program 使用嵌套循环将两个矩阵相加

A= [ [2, 3, 4], [1, 5, 8], [7, 6, 9] ]

B= [ [2, 1, 2], [1, 2, 1], [2, 3, 2] ]

0 0 0

输出= 0 0 0

0 0 0

#遍历行

对于范围内的 i (len(A))：

#遍历列

对于范围 (len(A[0])) 中的 j：

输出[i][j]= A[i][j] + B[i][j]

对于输出中的 r：

打印(r)

#OUTPUT: [ [4, 4, 6], [2, 7, 9], [9, 9, 11] ]

• 利用 SUM 和 ZIP() 函数的矩阵加法

Python 中的 zip() 函数基本上接受矩阵的每个元素的迭代器，然后映射它们并通过 sum() 函数添加它们。

例如。

#program 通过 sum & zip() 添加两个矩阵

A= [ [2, 3, 4], [1, 5, 8], [7, 6, 9] ]

B= [ [2, 2, 1], [1, 1, 2], [1, 2, 2] ]

输出 = [map (sum, zip(*i) ) for i in zip( A, B) ]

打印（输出）

#OUTPUT: [ [4, 5, 5], [2, 6, 10], [8, 8, 11] ]

结论

在上面解释的 Python 中所有不同的矩阵加法方法中，可以根据您的要求和方便使用其中的任何一种。 然而，由于其准确性，列表理解是最简单和首选的方法之一。

如果您想了解画面、数据科学，请查看 IIIT-B 和 upGrad 的数据科学执行 PG 计划，该计划专为在职专业人士创建，提供 10 多个案例研究和项目、实用的实践研讨会、行业专家的指导, 与行业导师一对一，400 多个小时的学习和与顶级公司的工作帮助。

为未来的职业做准备

申请数据科学理学硕士