常见numpy子模块整理

这篇博客主要介绍了numpy的两个重要子模块:线性代数(linalg)和随机抽样(random)。通过对这两个模块的整理,帮助读者理解numpy在数值计算中的应用。
摘要由CSDN通过智能技术生成

线性代数子模块(linalg)

np.linalg.inv(a,b)     求矩阵的逆
np.linalg.solve(a,b)   解线性方程组,返回结果
np.linalg.lstsq(a,b)[0] 解线性方程组,返回的第一行是解结果
np.linalg.eig() 返回特征值和特征向量
np.linalg.svd(M) 返回M矩阵的奇异值分解的矩阵 U V
np.linalg.det(方阵)  行列式的值
A = np.mat('1 2 3; 8 9 4; 7 6 5')
#A = np.mat('1 2 3; 8 9 4')
print(A)
B = np.linalg.inv(A)
print(B)
C = A * B
print(C)
A = np.mat('1 -2 1; 0 2 -8; -4 5 9')
B = np.mat('0; 8; -9')
X = np.linalg.solve(A, B)
print(X)

                
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值