189 8069 5689
1、首先打开pycharm软件，新建一个python文件并导入numpy库。
创新互联专注于海伦网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供海伦营销型网站建设，海伦网站制作、海伦网页设计、海伦网站官网定制、微信小程序开发服务，打造海伦网络公司原创品牌,更为您提供海伦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。
题主好. 如果不用 return, 我们可以选择利用传递参数的引用来『把值送出来』, 但这样只能针对不变对象, 如字典, 列表, numpy 数组等等. 例如我们可以用如下代码修改 numpy 数组:
mat = numpy.zeros((3,3))
compute_matrix( mat )
我们可以定义函数 compute_matrix 来修改参数 mat 的值, 并在这个函数结束后返回, 可以不用 return.
附录:
python 参数传递 (传值或传引用). 这篇博文将 python 中参数传递的情况, 什么时候传值什么时候传引用, 解释地很清楚, 具体地:
如果函数收到的是一个可变对象（比如字典或者列表）的引用，就能修改对象的原始值－－相当于通过“传引用”来传递对象。
如果函数收到的是一个不可变对象（比如数字、字符或者元组）的引用，就不能直接修改原始对象－－相当于通过“传值'来传递对象。
"""
Created on Sun Nov 29 16:40:18 2020
本工具主要用于mat文件的读取（matlab-v7.3格式）
主要分为3个部分：1 常规mat中的变量
2 mat文件中的cell内部数据读取
3 mat文件中的struct数据读取
@author: ZXY
"""
"""
1 常规mat中的变量
"""
import h5py
b=[]
#首先用h5py读取mat文件，并找到对应的struct 位置。
data = h5py.File("./1.mat",'r')
ecg=data["ecg"].value
"""
2 mat文件中的cell内部数据读取
"""
import h5py
b=[]
#首先用h5py读取mat文件，并找到对应的struct 位置。
data = h5py.File("./2.mat",'r')
zx1=data["ecg_all"]#找到struct的顶部
for i in range(zx1.shape[0]):
ecg=data[zx1[i][0]].value
"""
3 mat文件中的struct数据读取
"""
import h5py
b=[]
#首先用h5py读取mat文件，并找到对应的struct 位置。
data = h5py.File("./3.mat",'r')
zx1=data["ecgpart"]#找到struct的顶部
test = data['ecgpart/data']#找到struct中要提取的子集
for i in test[:,0]:
ecg=zx1[i].value
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'])
、Mat类型：矩阵类型Matrix
openCVMat维密集数据数组用处理向量矩阵、图像、直图等等见维数据
Mat3重要：
1、Mat mat = imread(const String* filename); 读取图像
2、imshow(const string frameName, InputArray mat); 显示图像
3、imwrite (const string filename, InputArray img); 储存图像
Mat类型较CvMat与IplImage类型说更强矩阵运算能力支持见矩阵运算计算密集型应用CvMat与IplImage类型转化Mat类型减少计算间花费
A.Mat - IplImage
同创建图像没复制数据
例： // 假设Mat类型imgMat图像数据存
IplImage pImg= IplImage(imgMat);
B.Mat - CvMat
与IplImage转换类似复制数据创建矩阵
例： // 假设Mat类型imgMat图像数据存
CvMat cvMat = imgMat;
二、CvMat类型与IplImage类型：图像类型
openCVMat类型与CvMatIplImage类型都代表显示图像Mat类型侧重于计算数性较高openCVMat类型计算进行优化CvMatIplImage类型更侧重于图像openCV其图像操作（缩放、单通道提取、图像阈值操作等）进行优化
补充：IplImage由CvMat派CvMat由CvArr派即CvArr - CvMat - IplImage
CvArr用作函数参数论传入CvMat或IplImage内部都按CvMat处理
1.CvMat
A.CvMat- IplImage
IplImage* img = cvCreateImage(cvGetSize(mat),8,1);
cvGetImage(matI,img);
cvSaveImage("rice1.bmp",img);
B.CvMat-Mat
与IplImage转换类似选择否复制数据
Mat::Mat(const CvMat* m, bool copyData=false);
openCV没向量（vector）数据结构任何候我要表示向量用矩阵数据表示即
CvMat类型与我线性代数课程向量概念相比更抽象比CvMat元素数据类型并仅限于基础数据类型比面创建二维数据矩阵：
CvMat* cvCreatMat(int rows ,int cols , int type);
type任意预定义数据类型比RGB或者别通道数据我便CvMat矩阵表示丰富彩图像
2.IplImage
类型关系我说IplImage类型继承自CvMat类型包括其变量解析图像数据
IplImage类型较CvMat参数比depthnChannels普通矩阵类型通深度通道数同表示用32位表示RGB+Alpha.图像处理我往往深度与通道数处理做OpenCV图像表示种优化案
IplImage图像另种优化变量origin----原点计算机视觉处理重要便原点定义清楚图像源编码格式甚至操作系统都原选取产影响弥补点openCV允许用户定义自原点设置取值0表示原点位于图片左角1表示左角
dataOrder参数定义数据格式IPL_DATA_ORDER_PIXELIPL_DATA_ORDER_PLANE两种取值前者便于像素同通道数据交叉排列者表示所通道按顺序平行排列
IplImage类型所额外变量都图像表示与计算能力优化
A.IplImage - Mat
IplImage* pImg = cvLoadImage("lena.jpg");
Mat img(pImg,0); // 0复制影像pImg与imgdata共用同记忆体位置header各自
B.IplImage - CvMat
1：CvMat mathdr, *mat = cvGetMat( img, mathdr );
2：CvMat *mat = cvCreateMat( img-height, img-width, CV_64FC3 );
cvConvert( img, mat );
C.IplImage*- BYTE*
BYTE* data= img-imageData;
CvMatIplImage创建区别：
1、建立矩阵第参数行数第二参数列数
CvMat* cvCreateMat( int rows, int cols, int type );
2、建立图像CvSize第参数宽度即列数；第二参数高度即行数 CvMat矩阵相反
IplImage* cvCreateImage(CvSize size, int depth, int channels );
CvSize cvSize( int width, int height );
IplImage内部buffer每行按4字节齐CvMat没限制
补充：
A.BYTE*- IplImage*
img= cvCreateImageHeader(cvSize(width,height),depth,channels);
cvSetData(img,data,step);
//首先由cvCreateImageHeader()创建IplImage图像制定图像尺寸深度通道数；
//由cvSetData()根据BYTE*图像数据指针设置IplImage图像数据数据
//其step指定该IplImage图像每行占字节数于1通道IPL_DEPTH_8U图像step等于width
x=randn这个写法是不对的。
randn是numpy里的一个生成随机array的函数。
比如说要生成一个三行两列的随机array，可以这样写：
import numpy
x = numpy.random.randn(3,2)
像这样：
后面这个mat=x.T.dot(...)是先求这个3*3矩阵的转置（.T），再求与点积(.dot)
点积就是矩阵各个对应元素相乘, 这个时候要求两个矩阵必须同样大小。
其实可以分步来的，就知道做了什么运算了。
像这样：
dot(2)是点乘常数就不说了，
那个x.T.dot([1,2,3])就是x.T的
1*1+2*2+3*3=14
2*1+3*2+4*3=20
懂了木有 =。=