python如何输入矩阵？使用numpy创建矩阵有2种方法，一种是使用numpy库的matrix直接创建，另一种则是使用array来创建。首先导入numpy：（1）import numpy （2）from numpy import （3）import numpy as np 相关推荐：《Python基础教程》然后分别用上面说的2种方法来分别构建一个4×3的矩阵，那么，python如何输入矩阵？一起来了解一下吧。
在Python中，使用NumPy进行矩阵运算的核心是通过ndarray对象实现高效计算，结合专门的函数和运算符完成矩阵乘法、线性代数运算等任务。以下是具体方法及示例：
一、基础矩阵运算创建矩阵使用np.array()将列表转换为ndarray对象：
import numpy as npA = np.array([[1, 2, 3], [4, 5, 6]])# 2x3矩阵B = np.array([[7, 8], [9, 10], [11, 12]])# 3x2矩阵元素级运算
乘法：*运算符执行对应位置元素相乘（需形状相同）：C = np.array([[1, 2], [3, 4]])D = np.array([[5, 6], [7, 8]])print(C * D)# 输出: [[ 5 12] [21 32]]
加减法：同样按元素操作：print(A + A)# 元素级加法print(A - A)# 元素级减法（结果全0）
二、矩阵乘法np.dot()函数通用方法，支持向量点积、矩阵-向量/矩阵乘法：
C_dot = np.dot(A, B)# 2x3矩阵乘3x2矩阵，结果2x2print(C_dot)@运算符（Python 3.5+）语法更直观，推荐用于二维矩阵：
C_at = A @ B# 等价于np.dot(A, B)print(C_at)np.matmul()函数严格遵循矩阵乘法规则，高维数组时表现不同，但二维矩阵结果与上述一致：
C_matmul = np.matmul(A, B)print(C_matmul)选择建议：
二维矩阵乘法优先用@运算符。
在Python中，一个像这样的多维表格可以通过“序列的序列”实现。一个表格是行的序列。每一行又是独立单元格的序列。这类似于我们使用的数学记号，在数学里我们用Ai,j，而在Python里我们使用A[i][j]，代表矩阵的第i行第j列。
这看起来非常像“元组的列表”（Lists of Tuples）。
“列表的列表”示例：
我们可以使用嵌套的列表推导式（list comprehension）创建一个表格。 下面的例子创建了一个“序列的序列”构成的表格，并为表格的每一个单元格赋值。
table= [ [ 0 for i in range(6) ] for j in range(6) ]print tablefor d1 in range(6):for d2 in range(6):table[d1][d2]= d1+d2+2print table123456程序的输出结果如下：
[[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, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0]]，
[[2, 3, 4, 5, 6, 7], [3, 4, 5, 6, 7, 8], [4, 5, 6, 7, 8, 9],
[5, 6, 7, 8, 9, 10], [6, 7, 8, 9, 10, 11], [7, 8, 9, 10, 11, 12]]
1234
这个程序做了两件事：创建了一个6 × 6的全0表格。
下面是基于python3.4的数组矩阵输入方法：
1.import numpy as np
2.arr = [1,2,3,4,5,6,7,8,9]
3.matrix_a = np.array(arr)2.
4.手动定义一个空数组：arr =[]，链表数组：a = [1,2,[1,2,3]]。
Python, 是一种面向对象的解释型计算机程序设计语言，由荷兰人Guido van Rossum于1989年发明，第一个公开发行版发行于1991年。
Python是纯粹的自由软件，源代码和解释器CPython遵循GPL(GNUGeneral Public License)协议[2]。Python语法简洁清晰，特色之一是强制用空白符(white space)作为语句缩进。
Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中[3]有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。
1、首先打开pycharm软件，新建一个python文件并导入numpy库。
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。
import scipy #导入scipy模块
matrix_a = raw_input('Input a matrix:') #输入第一个矩阵
matrix_b = raw_input('Input another matrix:') #输入第二个矩阵
matrix_a_ = scipy.mat(matrix_a)
matrix_a_ = scipy.mat(matrix_b)#将输入的两个矩阵的字符串转换为矩阵
print matrix_a_ * matrix_b_**-1#矩阵a乘以矩阵b的逆，即矩阵相除
以上就是python如何输入矩阵的全部内容，二、矩阵乘法np.dot()函数通用方法，支持向量点积、矩阵-向量/矩阵乘法：C_dot = np.dot(A, B) # 2x3矩阵乘3x2矩阵，结果2x2print(C_dot)@运算符（Python 3.5+）语法更直观，内容来源于互联网，信息真伪需自行辨别。如有侵权请联系删除。
