Algorithms For Dummies

Creating a matrix is the right way to start

Many of the same techniques you use with vectors also work with matrixes. To 

create a basic matrix, you simply use the 

array

 function as you would with a vec-

tor, but you define additional dimensions. A dimension is a direction in the matrix. 

For example, a two-dimensional matrix contains rows (one direction) and col-

umns  (a  second  direction).  The  array  call 

myMatrix = np.array([[1,2,3], 

[4,5,6], [7,8,9]])

 produces a matrix containing three rows and three columns, 

like this:

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])

---

96

 

   

  PART 1 

 Getting Started

Note how you embed three lists within a container list to create the two dimen-

sions. To access a particular array element, you provide a row and column index 

value,  such  as 

myMatrix[0, 0]

  to  access  the  first  value  of 

1

.  You  can  produce 

matrixes with any number of dimensions using a similar technique. For example, 

myMatrix = np.array([[[1,2], [3,4]], [[5,6], [7,8]]])

 produces a three-

dimensional matrix with an x, y, and z axis that looks like this:

array([[[1, 2],

        [3, 4]],

  

       [[5, 6],

        [7, 8]]])

In this case, you embed two lists, within two container lists, within a single con-

tainer list that holds everything together. In this case, you must provide an x, y, 

and z index value to access a particular value. For example, 

myMatrix[0, 1, 1]

 

accesses the value 

4

.

In  some  cases,  you  need  to  create  a  matrix  that  has  certain  start  values.  For 

example, if you need a matrix filled with ones at the outset, you can use the 

ones

 

function. The call to 

myMatrix = np.ones([4,4], dtype=np.int32)

 produces a 

matrix containing four rows and four columns filled with 

int32

 values, like this:

array([[1, 1, 1, 1],

       [1, 1, 1, 1],

       [1, 1, 1, 1],

       [1, 1, 1, 1]])

Likewise, a call to 

myMatrix = np.ones([4,4,4], dtype=np.bool)

 will create a 

three-dimensional  array.  This  time,  the  matrix  will  contain  Boolean  values  of 

True

. There are also functions for creating a matrix filled with zeros, the identity 

matrix,  and  for  meeting  other  needs.  You  can  find  a  full  listing  of  vector  

and  matrix  array-creation  functions  at 

https://docs.scipy.org/doc/numpy/ 

reference/routines.array-creation.html

.

The NumPy package supports an actual 

matrix

 class. The 

matrix

 class supports 

special features that make it easier to perform matrix-specific tasks. You discover 

these features later in the chapter. For now, all you really need to know is how to 

create a matrix of the 

matrix

 data type. The easiest method is to make a call simi-

lar to the one you use for the 

array

 function, but using the 

mat

 function instead, 

such as 

myMatrix = np.mat([[1,2,3], [4,5,6], [7,8,9]])

, which produces 

the following matrix:

---

CHAPTER 5