** Python轻松输入矩阵指南

---

在Python中,矩阵是数据分析和科学计算的基础结构之一，广泛应用于机器学习、图像处理和数值模拟等领域，本文将详细介绍如何在Python中输入矩阵，涵盖多种方法，包括手动输入、文件读取以及利用第三方库生成矩阵。

手动输入矩阵

对于小型矩阵,可以直接通过Python的列表（list）或嵌套列表来定义。

matrix = [
     [1, 2, 3],
     [4, 5, 6],
     [7, 8, 9]
 ]

这种方法简单直观,但仅适用于数据量较小的情况。

使用NumPy库输入矩阵

NumPy是Python中处理矩阵和高维数组的核心库,通过numpy.array()函数，可以快速创建矩阵：

import numpy as np
 matrix = np.array([[1, 2], [3, 4]])
 # 生成全零矩阵
 zeros_matrix = np.zeros((3, 3))  # 3x3零矩阵
 # 生成随机矩阵
 random_matrix = np.random.rand(2, 2)  # 2x2随机矩阵

NumPy还支持从文件（如CSV或TXT）加载矩阵数据：

data = np.loadtxt('matrix.csv', delimiter=',')  # 读取CSV文件

从文件读取矩阵

如果矩阵数据存储在文件中,可以通过Python内置的open()函数或pandas库读取：

# 使用Python内置方法
 with open('matrix.txt', 'r') as f:
     matrix = [list(map(float, line.split())) for line in f]
 # 使用pandas
 import pandas as pd
 df = pd.read_csv('matrix.csv', header=None)
 matrix = df.values

动态输入矩阵（用户交互）

若需通过用户输入动态生成矩阵,可以使用循环结构：

rows = int(input("输入行数: "))
 cols = int(input("输入列数: "))
 matrix = []
 for i in range(rows):
     row = list(map(int, input(f"输入第{i+1}行数据（以空格分隔）: ").split()))
     matrix.append(row)

特殊矩阵的生成

NumPy提供了多种生成特殊矩阵的函数：

• 单位矩阵：np.eye(3)
• 对角矩阵：np.diag([1, 2, 3])
• 均匀分布矩阵：np.linspace(1, 10, 9).reshape(3, 3)

稀疏矩阵的输入

对于稀疏矩阵（大部分元素为0），可使用scipy.sparse模块节省内存：

from scipy.sparse import csr_matrix
 data = [1, 2, 3]
 row_indices = [0, 1, 2]
 col_indices = [1, 2, 0]
 sparse_matrix = csr_matrix((data, (row_indices, col_indices)), shape=(3, 3))

Python提供了多种灵活的方式输入矩阵,从简单的手动输入到高效的库函数（如NumPy、Pandas），适用于不同场景的需求，掌握这些方法能显著提升数据处理效率，为后续的矩阵运算和算法实现奠定基础。

通过本文的介绍,希望读者能够根据实际需求选择最适合的矩阵输入方法，并在项目中灵活运用。