Numpy和spicy函数复习1

上节的numpy和scipy练习中，由于numpy和spicy相关函数较多，所以学习了网上的相关网站后，做一个小小的总结方便以后复习和学习之用,只是总结了部分知识，以后会在学习相关练习后不断更新。

一、建立数组和改变形状

(1)np.arange(start, stop, step, dtype=None )

例：np.arange(3) -> array([0, 1, 2])
      np.arange(3.0) -> array([ 0.,  1.,  2.])
      np.arange(3,7) -> array([3, 4, 5, 6])

      np.arange(3,7,2) -> array([3, 5])

(2)np.zeros(shape, dtype, order='C')

建立一个给定形状和类型的用0填充的数组

例：np.zeros(3) -> array([ 0.,  0.,  0.])
np.zeros((3,), dtype=np.int) -> array([0, 0, 0])

(3)np.ones(shape, dtype, order='C')

建立一个给定形状和类型的用1填充的数组

例：np.ones(3) -> array([ 1.,  1.,  1.])

np.ones((3,), dtype=np.int) -> array([1, 1, 1])

(4)b=a.reshape(n,n)

例：a=[1,2,3,4]

b = a.reshape(2,2) 

 ->b=[[1,2]

        [3,4] ]

二、获取数组信息

1.获取数组每一维度的大小：a.shape

2.获取数组维度：a.ndim

3.元素个数：a.size

4.数组转置：a.T

三、创建矩阵方法

创建矩阵：np.mat()通过字符串格式创建，np.mat(array)通过数组创建

创建复合矩阵：np.bmat(‘A B’,’AB’)，用A和B创建复合矩阵AB（字符串格式）

创建n*n单位矩阵：np.eye(n)

矩阵的转置：A.T

矩阵的逆矩阵：A.I

计算协方差矩阵：np.cov(a)，np.cov(a,b)

计算矩阵的对角线元素和：a.trace()

相关系数：np.corrcoef(x,y)

给出对角线元素：a.diagonal()

四、跟线性代数相关的函数

估计线性模型中的系数：A=np.linalg.lstsq(x,b),   式子：b=A*x

求方阵的逆矩阵：np.linalg.inv(A)

求广义逆矩阵：np.linalg.pinv(A)

求矩阵的行列式：np.linalg.det(A)

解形如AX=b的线性方程组：np.linalg.solve(A,b)

求矩阵的特征值：np.linalg.eigvals（A）

求特征值和特征向量：np.linalg.eig(A)

Sad分解: U, Sigma，vd＝np.linalg.svd(A)

svdvals()函数：s＝np.linalg.svdvals(A), 得到对角线是奇异值的矩阵s，可用max（），min（）求最大最小奇异值

五、概率分布

产生二项分布的随机数：np.random.binomial(n,p,size)，其中n,p,size分别是每轮试验次数、概率、轮数

产生超几何分布随机数：np.random.hypergeometric(n1,n2,n,size=…)，其中参数意义分别是物件1总量、物件2总量、每次采样数、试验次数

产生N个正态分布的随机数：np.random.normal(均值，标准差，N)

产生N个对数正态分布的随机数：np.random.lognormal(mean,sigma,N)