详解Python科学计算扩展库numpy中的矩阵运算（1）

首先解答上一篇文章中使用with关键字让你的Python代码更加Pythonic最后的习题，该题答案是False，原因在于内置函数sorted()的参数reverse=True时表示降序排序，而内置函数reversed()是逆序或者翻转（首尾交换），二者之间没有任何关系。

--------------------分割线-------------------

Python扩展库numpy提供了大量的矩阵运算，本文进行详细描述。

>>> import numpy as np

>>> a_list = [3, 5, 7]

# 创建矩阵

>>> a_mat = np.matrix(a_list)
>>> a_mat
matrix([[3, 5, 7]])

# 矩阵转置

>>> a_mat.T
matrix([[3],
        [5],
        [7]])

# 矩阵形状

>>> a_mat.shape
(1, 3)

# 元素个数

>>> a_mat.size
3

# 创建矩阵

>>> b_mat = np.matrix((1, 2, 3))
>>> b_mat
matrix([[1, 2, 3]])

# 矩阵相乘

>>> a_mat * b_mat.T
matrix([[34]])

# 元素平均值

>>> a_mat.mean()
5.0

# 所有元素之和

>>> a_mat.sum()
15

# 最大值

>>> a_mat.max()
7

# 横向最大值

>>> a_mat.max(axis=1)
matrix([[7]])

# 纵向最大值

>>> a_mat.max(axis=0)
matrix([[3, 5, 7]])

# 创建二维矩阵

>>> c_mat = np.matrix([[1, 5, 3], [2, 9, 6]])
>>> c_mat
matrix([[1, 5, 3],
        [2, 9, 6]])

# 纵向排序后的元素序号

>>> c_mat.argsort(axis=0)
matrix([[0, 0, 0],
        [1, 1, 1]], dtype=int64)

# 横向排序后的元素序号

>>> c_mat.argsort(axis=1)
matrix([[0, 2, 1],
        [0, 2, 1]], dtype=int64)

>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 矩阵对角线元素

>>> d_mat.diagonal()
matrix([[1, 5, 9]])

# 矩阵平铺

>>> d_mat.flatten()
matrix([[1, 2, 3, 4, 5, 6, 7, 8, 9]])

# 特征值与特征向量

>>> np.linalg.eig([[1,1],[2,2]])
(array([ 0.,  3.]), array([[-0.70710678, -0.4472136 ],
       [ 0.70710678, -0.89442719]]))

>>> x = np.matrix([[1,2], [3,4]])

# 逆矩阵

>>> y = np.linalg.inv(x)
>>> x * y
matrix([[  1.00000000e+00,   1.11022302e-16],
        [  0.00000000e+00,   1.00000000e+00]])
>>> y * x
matrix([[  1.00000000e+00,   4.44089210e-16],
        [  0.00000000e+00,   1.00000000e+00]])

>>> d_mat = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> e, v = np.linalg.eig(d_mat)
>>> v*np.diag(e)*np.linalg.inv(v)
matrix([[ 1.,  2.,  3.],
        [ 4.,  5.,  6.],
        [ 7.,  8.,  9.]])

# 协方差

>>> np.cov([1,1,1,1,1])
array(0.0)
>>> x = [-2.1, -1,  4.3]
>>> y = [3,  1.1,  0.12]
>>> X = np.vstack((x,y))

# 协方差

>>> print(np.cov(X))
[[ 11.71        -4.286     ]
 [ -4.286        2.14413333]]
>>> print(np.cov(x, y))
[[ 11.71        -4.286     ]
 [ -4.286        2.14413333]]
>>> print(np.cov(x))
11.709999999999999

# 二维矩阵

>>> x = np.matrix(np.arange(0,10).reshape(2,5))
>>> x
matrix([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])

# 所有元素之和

>>> x.sum()
45

# 纵向求和

>>> x.sum(axis=0)
matrix([[ 5,  7,  9, 11, 13]])

# 横向求和

>>> x.sum(axis=1)
matrix([[10],
        [35]])

# 平均值

>>> x.mean()
4.5
>>> x.mean(axis=1)
matrix([[ 2.],
        [ 7.]])
>>> x.mean(axis=0)
matrix([[ 2.5,  3.5,  4.5,  5.5,  6.5]])

------------------分割线----------------

今日习题：表达式10 ** 2 ** 3的值是什么，原因是什么？