吴恩达机器学习学习笔记第六章:机器学习中的线性代数操作python3版（含numpy、panda库的使用）

 

pracitice1:是针对矩阵元素的基本运算

#practice1是针对矩阵元素的基本运算
import numpy as np
A=np.array([[1,2,3],[3,4,5]])#列表转换成矩阵
Awithalphabet=np.array([[1,"b",3],[3,4,5]])#看看矩阵里是否只能塞数字 答案是也可以装其他东西
Aarray=[1,2,3],[3,4,5]#对比矩阵与普通列表的区别
zero=np.zeros((3,5))#生成一个3行5列的0矩阵
E=np.eye(2)#生成一个2阶单位阵
Ainarow=np.arange(6)#生成从0到5的行向量
Ainarow23=np.arange(6).reshape(2,3)#生成一个两行三列(reshape的功能）数字从0到5的矩阵  reshape是不是双层括号都可以见下
Arandom=np.random.rand(5,5)#生成一个5*5的元素是0~1里的随机数组成的矩阵
Aempty=np.empty((3,4))#生成一个3行4列的空矩阵（但实际上里面的元素全是很接近0的）
Amyup=np.linspace(0,2.7,10).reshape((2,5))#把0~2.7砍成10份像个等差数列一样 再按递增顺序弄2*5的矩阵
Asum=np.sum(A)#求A中所有元素之和
Asin=np.sin(A)  # 对A内部所有元素取个sin
Aaverage=np.mean(A)#求A中所有元素的平均值
Amidnum=np.median(A)#求A中所有元素的中位数
Amax=np.max(A)#求A中最大的那个元素
Arowmax=np.max(A,axis=1)#求A每一行中最大值
Acolumnmax=np.max(A,axis=0)#求A中每一列中最大值
Amaxindex=np.argmin(A)#求A中最小值的索引
Ax1jiax2=np.cumsum(A)#前