Numpy(4)

numpy模块的最后一部分。介绍下线性代数、伪随机数生成操作。

线性代数

线性代数（如矩阵乘法、矩阵分解、⾏列式以及其他⽅阵数学等）是任何数组库的重要组成部分。

通过 * 对两个⼆维数组相乘得到的是⼀个元素级的积，⽽不是⼀个矩阵点积。因此，NumPy 提供了⼀个⽤于矩阵乘法的dot 函数：

In	[223]:	x=np.array([[1.,2.,	3.],[4.,5.,	6.]])
In	[224]:	y=np.array([[6.,23.],	[-1.,7.],[8.,9.]])
In	[225]:	x
Out[225]:	
array([[1.,2.,3.],
	   [4.,5.,6.]])
In	[226]:	y
Out[226]:	
array([[6.,	23.],
	   [-1.,7.],
	   [8.,9.]])
In	[227]:	x.dot(y)
Out[227]:	
array([[28.,64.],
	   [67.,181.]])

@ 符（类似 Python 3.5 ）也可以⽤作中缀运算符，也可以进⾏矩阵乘法：

In	[230]:	x @	np.ones(3)
Out[230]:	array([	6.,	15.])

其中常用的numpy的线性代数表

函数	说明
diag	以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）
dot	矩阵乘法
trace	计算对角线元素和
det	计算矩阵行列式
eig	计算方阵的本征值和本征向量
inv	计算方阵的逆
pinv	计算矩阵的Moore_Penrose伪造
qr	计算QR分解
svd	计算奇异值分解（SVD）
solve	解线性方程组AX=b，其中A为一个方阵
lstsq	计算AX=B的最小二乘解

伪随机数生成

Python有内置random随机数模块，numpy.random模块对Python内置的random进⾏了补充。其常用random函数如下表

函数	说明
seed	确定随机数生成器的种子
permutation	返回一个序列的随机排列或者一个随机排列的范围
shuffle	岁一个序列就地随机排列
rand	产生均匀分布的样本值
randint	从给定的上下线跟范伟内随机选取整数
randn	产生正态分布（平均值为0，标准差为1）
binomial	产生二项分布的样本值
normal	产生正态分布的样本值
beta	产生Beta分布的样本值
chisquare	产生卡方分布的样本值
gamma	产生Gamma分布的样本值
uniform	产生在（0,1）中均匀分布的样本值

学习到此完毕。