python把mat函数 python matmul

python怎么实现矩阵的除法

1、首先打开pycharm软件，新建一个python文件并导入numpy库。

创新互联公司专注于月湖网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供月湖营销型网站建设，月湖网站制作、月湖网页设计、月湖网站官网定制、小程序制作服务，打造月湖网络公司原创品牌,更为您提供月湖网站排名全网营销落地服务。

2、然后创建矩阵A，这里先创建一个两行两列的数组，在用numpy的mat函数将数组转换为矩阵。

3、接着计算矩阵A的逆矩阵，逆矩阵是通过A.I求得。

4、求出了矩阵A的逆矩阵后，用矩阵B乘以这个逆矩阵就是矩阵的除法了，即为矩阵B除以矩阵A的值。

如何读取mat文件 python

一、mat文件

mat数据格式是Matlab的数据存储的标准格式。在Matlab中主要使用load()函数导入一个mat文件，使用save()函数保存一个mat文件。对于文件

load('data.mat')

save('data_1.mat','A')

其中，'A'表示要保存的内容。

二、python中读取mat文件

在python中可以使用scipy.io中的函数loadmat()读取mat文件，函数savemat保存文件。

1、读取文件

如上例：

#coding:UTF-8

import scipy.io as scio

dataFile = 'E://data.mat'

data = scio.loadmat(dataFile)

注意，读取出来的data是字典格式，可以通过函数type(data)查看。

print type(data)

结果显示

type 'dict'

找到mat文件中的矩阵：

print data['A']

结果显示

[[ 0.          0.          0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.          0.

。。。。。。。。。。。

0.          0.          0.          0.          0.          0.          0.

0.36470588  0.90196078  0.99215686  0.99607843  0.99215686  0.99215686

0.78431373  0.0627451   0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.          0.

。。。。。。。。。。。。

0.94117647  0.22745098  0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.30196078

。。。。。。。

0.          0.          0.          0.          0.          0.          0.

0.          0.          0.          0.          0.          0.          0.        ]]

格式为：

type 'numpy.ndarray'

即为numpy中的矩阵格式。

2、保存文件

将这里的data['A']矩阵重新保存到一个新的文件dataNew.mat中：

dataNew = 'E://dataNew.mat'

scio.savemat(dataNew, {'A':data['A']})

python 读取mat格式数据

若文件位于同一文件夹下的data文件夹中data.mat

import scipy.io as scio

import pandas as pd

data = scio.loadmat('./data/data.mat')

df=pd.DataFrame(['dat'])