2.1 Numpy简介;2.1 Numpy简介;2.1 Numpy简介;2.2.1 利用array()函数创建数组;2.2.2 利用内置函数创建数组;2.3 数组尺寸;Part 2;Part 2;Part 2;Part 2;Part 2;Part 2;2.8 数组形态变换;2.9 数组排序与搜索;2.10 矩阵与线性代数运算;2.10.2 矩阵的属性和基本运算矩阵有其特有的属性,如2-1所示。
矩阵属性的具体查看方法,示例代码如下:import numpy as npmat = np.matrix(np.arange(4).reshape(2, 2))mT=mat.TmH=mat.HmI=mat.I执行结果如图2-18所示。
;在NumPy中,矩阵计算和ndarray计算类似,都能够作用于每个元素,比起使用for循环进行计算,在速度上更加高效,示例代码如下:import numpy as npmat1 = np.mat("1 2 3; 4 5 6; 7 8 9")mat2 = mat1*3mat3=mat1+mat2mat4=mat1-mat2mat5=mat1*mat2mat6=np.multiply(mat1, mat2) #点乘执行结果如图2-19所示。;2.10.3 线性代数运算线性代数是数学的一个重要分支。Numpy包含numpy.linalg模块,提供线性代数所需的功能,如计算逆矩阵、求解线性方程组、求特征值、奇异值分解以及求解行列式等。numpy.linalg模块中的一些常用函数表2-2所示。
计算逆矩阵在线性代数中,矩阵 与其逆矩阵 相乘得到一个单位矩阵 ,即 。使用numpy.linalg模块中的inv函数可以计算逆矩阵,示例代码如下:import numpy as npmat = np.mat('1