Python:线性代数-矩阵乘法实战 Lab (五十三)

通过矩阵乘法进行货币换算

在此 notebook 中，你将使用矩阵乘法和 python 软件包 NumPy 解决一个货币换算问题。此演示旨在帮助你学习如何使用矩阵乘法解决更复杂的问题。

货币换算问题

这么多年来，你一共去过八个不同的国家/地区，并且留下了一些当地的货币。你打算再回到这八个国家/地区中的某个国家/地区，但是不确定要回到哪个国家/地区。
你打算看看哪个航线的机票最便宜。

为了做好行程准备，你需要将你的所有当地货币转换为你打算前往的国家/地区的货币。
因此，要仔细检查银行对你的货币换算结果，你想要计算八个国家/地区的每个国家/地区的总货币金额。
要计算换算结果，你首先需要导入包含每个国家/地区的货币换算率的矩阵。我们将使用的数据来自 Overview Matrix of Exchange Rates from Bloomberg Cross-Rates Overall Chart（2018 年 1 月 10 日）。

你可以将此问题看做接受一个输入向量（来自 8 个国家/地区的货币），并向这些输入应用 权重矩阵（换算率矩阵），以使用矩阵乘法和 NumPy 软件包生成 输出向量（每个国家/地区的货币总金额）。

编写货币换算问题代码

首先，你需要创建_输入向量_来存储表示八个国家/地区货币的 numpy 向量。首先导入 NumPy 软件包，然后使用该软件包根据列表创建向量。接着，将该向量转换为 pandas dataframe，以便在下面整洁地输出列标签，表示与货币金额相关的国家/地区。

import numpy as np
import pandas as pd

# Creates numpy vector from a list to represent money (inputs) vector.
money = np.asarray([70, 100, 20, 80, 40, 70, 60, 100])

# Creates pandas dataframe with column labels(currency_label) from the numpy vector for printing.
currency_label = ["USD", "EUR", "JPY", "GBP", "CHF", "CAD", "AUD", "HKD"]
money_df = pd.DataFrame(data=money, index=currency_label, columns=["Amounts"])
print("Inputs Vector:")
money_df.T

Inputs Vector:

接着，我们需要通过导入货币换算率矩阵创建权重矩阵。我们将使用 python 软件包 Pandas 快速读取该矩阵并相应地分配行和列标签。此外，我们定义一个变量 path 来定义货币换算矩阵的位置。下面的代码会导入该权重矩阵，将 DataFrame 转换为 numpy 矩阵，并显示其内容，以帮助你判断如何使用矩阵乘法解决该问题。

# Sets path variable to the 'path' of the CSV file that contains the conversion rates(weights) matrix.
path = %pwd

# Imports conversion rates(weights) matrix as a pandas dataframe.
conversion_rates_df = pd.read_csv(path+"/currencyConversionMatrix.csv",header=0,index_col=0)

# Creates numpy matrix from a pandas dataframe to create the conversion rates(weights) matrix.
conversion_rates = conversion_rates_df.values

# Prints conversion rates matrix.
print("Weights Matrix:")
conversion_rates_df

Weights Matrix:

上述_权重矩阵_提供了每个国家/地区之间的换算率。例如，在第 1 行第 1 列，值 1.0000 表示从美元到美元的换算率。在第 2 行第 1 列，值 1.1956 表示 1 欧元等于 1.1956 美元。在第 1 行第 2 列，值 0.8364 表示 1 美元仅等于 0.8364 欧元。

下面使用矩阵乘法计算了输出向量。numpy 软件包提供了将两个矩阵相乘（或向量与矩阵相乘）的函数 matmul。你将在下面找到适用于 AI 的矩阵乘法方程，其中输入向量(\(x_{1}...x_{n}\)) 乘以权重矩阵(\(w_{11}...w_{nm}\)) 以计算输出向量(\(y_{1}...y_{m}\))。

下面的示例矩阵乘法在输入和权重中将 n 设为 4，在权重和输出中将 m 设为 3。

从上述示例可以看出，矩阵乘法生成的矩阵（输出向量）的行维度与第一个矩阵（输入向量）的一样，列维度将与第二个矩阵（权重矩阵）的一样。对于货币示例来说，输入矩阵和权重矩阵的列数一样，但是 AI 并非始终都如此。

TODO：矩阵乘法

在下面的空白处使用函数 matmul 将 money 和 conversion_rates 相乘，以计算向量 money_totals。之前我们在导入上述 Numpy 软件包时，使用了别名 np，因此在下面调用 matmul 函数时，确保使用别名 np。此外，确保选择“单元格” 和_“运行所有”_以检查你在下面插入的代码。

# TODO 1.: Calculates the money totals(outputs) vector using matrix multiplication in numpy.
money_totals = np.matmul(money, conversion_rates)

# Converts the resulting money totals vector into a dataframe for printing.
money_totals_df = pd.DataFrame(data = money_totals, index = currency_label, columns = ["Money Totals"])
print("Outputs Vector:")
money_totals_df.T

Outputs Vector:

通过矩阵乘法进行货币换算的解决方案

上面的输出应该与下面的 Money Totals 相符。结果可以解析为：将所有货币换算为美元 (USD) 等于 454.28 美元，将所有货币换算为欧元 (EUR) 等于 379.96 欧元，等等。

为者常成，行者常至