Hittills har vi arbetat med enradiga fält, det vill säga listor med en enda rad av värden. Men i många situationer är det användbart att kunna lagra data i rader och kolonner, precis som i ett kalkylblad. Ett sådant tvådimensionellt fält kallas för en matris.

Du kan tänka på en matris som ett blad i Excel, där varje rad kan motsvara en viss tidpunkt eller ett försök, och varje kolonn kan motsvara en viss variabel.

Skapa en matris

För att skapa en matris i numpy placerar man flera fält (enradiga listor) i ett större fält. Här är ett exempel:

import numpy as np

A = np.array([
    [5, 12, 23],
    [54, 78, 89],
    [84, 73, 40],
    [13, 3, 0]
])

print(A)

Här består matrisen A av fyra rader och tre kolonner.

Vad är en vektor?

När vi tidigare pratade om fält med en enda rad (eller kolonn) kallades de ofta vektorer. I vardagligt tal används ordet ofta för geometriska vektorer, men i matematiken har begreppet en vidare betydelse. En vektor är helt enkelt ett objekt med vissa matematiska egenskaper, vilket gör att listor av siffror i en viss struktur kan behandlas som vektorer.

Skapa talföljder

numpy erbjuder funktioner för att skapa regelbundna talföljder:

np.arange(start, stop, steg) skapar en följd där du själv bestämmer stegets storlek
np.linspace(start, stop, antal) skapar en följd med ett visst antal jämnt fördelade tal

Exempel:

import numpy as np

A = np.arange(1, 10, 0.5)     # börjar på 1, slutar före 10, med steg 0.5
B = np.linspace(1, 10, 5)     # fem tal mellan 1 och 10 (inklusive 10)

print(A)
print(B)

Om du inte anger hur många värden np.linspace ska skapa, används standardvärdet 50.

Uppgift

Skapa en tvådimensionell matris med 3 rader och 4 kolonner, innehållande valfria heltal.
Skriv ut matrisen med print.
Skapa en talföljd från 0 till 2 med 0.2 som steg, och skriv ut den.
Skapa en talföljd mellan -5 och 5 med 11 värden och skriv ut den.