【Python数据分析之Numpy03】线性代数

线性代数相关函数

    一下所列的函数都包含在numpy.linalg函数里

    diag:返回对角线元素或将一维数组转化为方阵。

np.diag([1,2,3,4,5])
'''
array([[1, 0, 0, 0, 0],
       [0, 2, 0, 0, 0],
       [0, 0, 3, 0, 0],
       [0, 0, 0, 4, 0],
       [0, 0, 0, 0, 5]])
'''

    dot:矩阵乘法

x = np.array([[1,2,3],[4,5,6]])
y = np.array([[6,23],[-1,7],[8,9]])
np.dot(x,y)
'''
array([[ 28,  64],
       [ 67, 181]])
'''

    trace:计算矩阵的迹。

a = np.random.randn(5,4)
print(a)
trace = np.trace(a)
print("trace = ",trace)
'''
[[ 0.61223196  0.17226318 -1.08908235  0.32647044]
 [-1.66678986  0.90078908 -0.27178198 -1.05759637]
 [-1.51142639 -0.34080458  0.52155965 -0.59389139]
 [-0.22506087 -0.80776766  0.05985235  1.7723059 ]
 [ 0.12752669 -0.32118466  0.37587842  0.60670646]]
trace =  3.8068865952137223
'''

    dect:计算矩阵行列式。

x = np.array([[2,0,0],[0,5,0],[0,0,9]])
det=int(np.linalg.det(x))
det
#90

    inv:求矩阵的逆

    pinv:求矩阵的伪逆

    qr:求矩阵的特征分解

    svd:求矩阵的svd

    solve:解线性方程组Ax=b

    lstsq:求Ax=b的最小二乘解