Python Numpy 矩阵运算(附实例和学习材料)

Abstract：使用numpy进行矩阵的加减乘除、转置、求逆、求特征向量等运算。

1.NUMPY矩阵运算语法

1. import numpy库：import numpy as np

2. 创建矩阵：a = np.mat([[x1, x2,…,xn], [y1, y2, …, yn]])

3. 矩阵乘法：

   1. a * b
   2. np.dot(a, b )：求两数组点积

4. 矩阵加减：a - b

5. 矩阵转置：

   1. a.T
   2. a.transpose()

6. 矩阵除法：a/b

7. 矩阵求逆：

   1. a.I
   2. np.linalg.inv(a)

8. 求特征向量：np.linalg.eig(a)

9. 求迹：np.trace(a)

10. 求行列式的值：numpy.linalg.det()

11. 求两个数组的矩阵乘积：numpy.matual(a, b)

12. 求矩阵形式的线性方程的解：numpy.linalg.solve()

延伸：numpy.linalg 模块里还有很多矩阵运算的方法，感兴趣的可以去了解下 （在文末的Extender里给出了学习材料 Tutorials Numpy 教程）~

关于矩阵乘法需要注意：

• 矩阵乘法规定，只有当第一个矩阵的列数（column）和第二个矩阵的行数（row）相同时才有意义。

• 若a为 m x p 的矩阵，B为 p x n的矩阵，则 a x b 的结果是 m x n的矩阵。

• 若两矩阵行列数不满足上面的条件，可以对矩阵进行转置。

• 维度数不符合要求，则不能执行矩阵乘法。

2.NUMPY 数组语法

1. 随机生成数组：np.random.rand(m, n)

2. 创建数组：np.array([[x1, x2,…,xn], [y1, y2, …, yn]])

3. 向数组添加元素：np.append(A, a_i)

4. ​数组索引：A[2:5] 表示索引数组 A 中第 3 到第 5 个元素

3. 实例（求多元回归最小二乘估计）

多元回归方程参数最小二乘估计的公式：​

代码实例：

  import numpy as np
  ​
  X = np.mat([[1,1,1,1,1,1,1,1,1,1,1,1,1,1],[41, 45, 51, 52, 59, 62, 69,72, 78, 80, 90, 92, 98, 103],
      [49, 58, 62, 71, 62, 74, 71, 74, 79, 84, 85, 94, 91, 95]])
  ​
  X=X.T
  ​
  Y = np.mat([28, 39, 41, 44,  43, 50, 51, 57, 63, 66, 70, 76, 80, 84]).T
  ​
  B = (X.T * X).I * X.T * Y
  ​
  print B

  
  [[-15.93836228]
   [  0.52227044]
   [  0.47382726]] 

4.EXTENDER

【非常全的教程】TutorialsPoint Numpy 教程

运用numpy进行数组、向量、矩阵运算

70个NumPy练习：在Python下一举搞定机器学习矩阵运算

Numpy 小结

btw：

Github： https://github.com/ScarlettYellow

个人博客：https://scarletthuang.cn/