NumPy 学习笔记二

笔记来源：python数据分析【Ivan Idris著, 韩波译】

一、用NumPy进行线性代数运算【numpy.linalg包】

1、用NumPy求矩阵的逆

(1) 创建一个矩阵【np.mat()函数】

(2) 求矩阵的逆【np.linalg.inv()函数】

(3) 乘法检验

相乘结果发现，得到的是一个单位矩阵，但是还存在一些小误差，要获取误差，可如下操作

2、用NumPy求解线性方程组【使用np.linalg的solve()求解类似Ax=b线性方程组】

（1）创建矩阵A和数组b

（2）求解线性方程组(np.linalg.solve())

（3） 使用dot()函数进行验算

3、用NumPy计算特征值和特征向量

特征值是方程式Ax=ax的标量解，其中A为一个二维矩阵，而x是一维向量，x是特征值a对应的特征向量

（1）数学上的求解示例：

（2）使用numpy.linalg包求解

1）创建矩阵

2）使用eigvals()函数求解特征值

3）使用eig()函数获取特征值与特征向量【返回两个值，第一个元素为特征值，第二个为特征向量】

4）验算求解的结果

由上述结果可知，左边A*x与右边a*x是相等的，说明求解无误。

二、NumPy随机数

随机数常用于蒙特卡洛法、随机积分等方面。真正的随机数很难得到，一般实际获取的是伪随机数。大部分情况下，伪随机数满足我们的需求。对于NumPy,与随机数有关的函数在random子程序包中。NumPy核心的随机数发生器是基于梅森算法而来的。

1、用二项分布进行博弈

每次运行程序结果都不同，若要总是得到相同的结果，则需给NumPy的随机数子程序包中的binomial()函数的一个种子值.

2、正态分布采样

(1) 一维正态分布即标准正态分布定义【百度百科】

（2）使用NumPy的random子模块的normal()函数，将正态分布以直观的形势图示出来

 

参考：

[1]. Ivan Idris. 著; 韩波译.python数据分析[M]. 北京：人民邮电出版社，2016.2.

[2]. 百度百科; 正态分布[DB/OL]. https://baike.baidu.com/item/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83/829892?fr=aladdin

[3].百度经验；线性代数：如何求特征值和特征向量？[DB/OL].https://jingyan.baidu.com/article/27fa7326afb4c146f8271ff3.html