In questo capitolo vediamo come utilizzare e gestire i vettori e le matrici con Numpy.
L’indice del corso lo puoi trovare a questo Link: https://computer4dummy.altervista.org/programmazione-guide-alla-programmazione/numpy-per-python/

I Vettori

I vettori sono segmenti orientai nello spazio composi da un intensità verso e direzione.
Nel caso sia necessario un po di ripasso sui vettori seguite questo link: https://goo.gl/6nZW5G

Le Matrici

Possiamo considerare le matrici come una lista di liste oppure come una tabella di elementi ordinata dove per elementi potremmo inserire altre matrici.
Per fare un po di ripasso sulle matrici seguite questo link: https://goo.gl/jDEJvu

Facciamo un po di esempi

Per prima cosa inizializziamo la libreria di Numpy importandola in python:

import numpy as np

Creiamo quindi un array M composto da due liste di numeri, la prima da 1 e 2 poi la seconda dai numeri 3 e 4.

M = np.array([[1,2],[3,4]])

Ora creiamo una lista L composta dalle stesse due liste.

L = [[1,2],[3,4]]

In Python per vedere il contenuto delle liste possiamo indicare l’indice di riferimento come nell’esempio.

L[0]
Out[4]: [1, 2]

L[1]
Out[5]: [3, 4]

Allo stesso modo sia nella lista che nel array è possibile puntare ad un indice indicandolo così:

L[0][0]
Out[6]: 1

M[0][0]
Out[7]: 1

Per l’array M è possibile ottenere lo stesso risultato anche utilizzando a virgola risparmiando un carattere alla digitazione.

M[0,0]
Out[8]: 1

Matrici

Vediamo ora come utilizzare in Python le matrici. Creiamone una.

M2 = np.matrix([[1,2],[3,4]])

M2
Out[10]: 
matrix([[1, 2],
        [3, 4]])

La documentazione ufficiale consiglia di utilizzare le matrici ma da un punto di vista pratico quando dobbiamo lavorare con questi dati può essere facile utilizzare qualche trucchetto come per esempio convertire la matrice in array ed utilizzare le funzioni degli array:

A = np.array(M2)

A
Out[12]: 
array([[1, 2],
       [3, 4]])

E utilizzare la funzione di trasposizione T
Guida: https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.transpose.html#numpy.transpose

A.T
Out[13]: 
array([[1, 3],
       [2, 4]])