线性代数基础-python编程

导入numpy库有三种方式：

from numpy import  #导入numpy所有函数
import numpy      #这种方式使用numpy的函数时，需要numpy.开头
import numpy as np  #使用numpy函数时需要numpy.开头，最为常见

矩阵的创建-直接定义：

import numpy as np
A=[[1,2,3,4],[5,6,7,8],[9,10,11,12]]
arr1=np.array(A)  #将列表转为矩阵
print（“A=”，A）
print("通过列表A创建的矩阵arr1\n",arr1)
B=((1,2,3,4),(5,6,7,8),(9,10,11,12))
arr2=np.array(B)
print（“B=”，B）
print("通过元组B创建的矩阵arr2\n",arr2)

矩阵的规模一般用行数和列数描述，可以通过矩阵的shape属性获得，数据类型可以用type函数验证：

#上例A,,B和arr1
print("A的类型：",type(A))
print("arr1的类型：",type(arr1))
print("arr1的大小：",arr1.shape)#3行4列

矩阵创建-间接创建
1，随机生成矩阵元素
机器学习中常会用随机数作为参数，numpy中可以利用np.random.random()函数和np.random.randint()函数分别随机生成矩阵中指定范围的浮点数和整数。
函数np.random.random((d0,d1,…,dn))生成值为[0,1)区间的n为浮点数组，函数np.random.random((d0,d1))创建d0到d1阶矩阵。
函数np.random.randint(low,high=None,dtype=‘T’),返回随机整数，范围为[low,hiigh)。size为数组维度，对于d0*d1阶矩阵设size=[d0,d1]。dtype为数据类型，默认数据类型是没有high时，默认生成随机数的范围是[0,low)。

import numpy as np 
arr1=np.random.random((2,3))
print("创建的随机浮点数构成2*3矩阵：\n",arr1)
arr2=np.random.randint(3,30,size=[2,3])
print("创建3~30（不包括30）之间的随机整数构成的2*3阶矩阵：\n",arr2)

reshape()函数通过改变矩阵大小来创建新矩阵，其参数为一个正整数的元组，分别代表行数和列数。

import numpy as np 
A=[1,2,3,4,5,6]
B=np.array(A)
C1=B.reshape(2,3)
C2=B.reshape(3,2)
print("矩阵B：\n",B)
print("转换为2行3列的矩阵C1\n",C1)
print("转换为3行2列的矩阵C2\n",C2)

使用reshape函数改变矩阵大小时，新矩阵的元数个数要与原矩阵的元素个数相等。当一个参数为-1时，reshape函数会根据另一个参数计算出-1代表的具体值，上例中C1=B.reshape(2,3)可用C1=B.reshape(-1,3)或C1=B.reshape(2,-1)代替。