numpy 特征向量,python numpy 矩阵

　　我先声明我学习numpy的目的：在python中使用matrix(机器学习中需要用到matrix)，所以我的目的很明确，matrix；

　　矩阵在numpy中称为ndarray(N维数组)。我就喜欢问为什么这个ndarray叫ndarray，但是大部分教程(尤其是中文教程)都不提，不利于给ndarray一个形象的记忆。

　　Ndarray是一个多维数组，调用它是为了与python中的数组区分开来。

　　之后我们再把目的细分到这个库对应的函数(下面代码省略import numpy as np):

　　1.生成向量：linspace(线性空间)用于生成向量。

　　A=NP。Linspace (1，10，5，endpoint=True)/*参数声明第一个1是起始数，10是结束数，5是生成的向量(数组)的长度，最后一个是生成的数组是否包含结束数的选择，默认为真(即包含10) */

　　b=np.arange(n)

　　//生成一个从0到n-1的数组

　　concatenate( a，b)

　　//Connect两个数组concatenate是一个单词，意思是一个共同的矩阵链接在一起。

　　a=np.array(list/tuple，dtype=np.float32)

　　//数组函数是最直接的，第一个参数是矩阵内容，比如a=np.array([ [1，2]，[3，4]] )//矩阵内容是逗号分隔的行列表。顺便说一下，[]可以换成()。//打印一份打印件(a)/[

　　//形状都是祖先。说白了就是写成((行数，列数))。NP。ONES(形状)NP。ZEROS(shape)//元素全为1或全为0的矩阵。

　　Np.full(shape，val)//生成一个矩阵，其中每个元素都是val。满有所有的意思，所以都是val。

　　Np.eye(n)//生成对角线为1，其余为0的方阵(n维单位矩阵)eye。网上说和数学中的单位矩阵的字母I读音一样。像氏族一样

　　A=np.ones_like(b)//生成一个与B形状相同的全1的矩阵，B=NP。zeros _ like(a)//猜猜这个。修改矩阵。reshape(tuple)//改变原矩阵的形状，但使生成的矩阵与原元素相同。//a=np.arrange (30)。reshape ((2，3，5))是这样用的。

　　//这里有个说明，如果参数的元组元素里面有-1，说明它的大小可以从其他祖先元素推导出来，不需要程序员给。

　　//比如一个长度为100的向量A，如果要改成20*5。

　　整形((20，-1))。resize( tuple )//这个和reshape一样，但是会改变原数组，也就是当reshape用完的时候，原数组还是原来的公式，但是用了resize之后，某个老姬变成了某个宝~。swapaxes( ax1，ax2)//研究过线代的人都觉得这个很熟悉吧？没错，这就是转置，转置。

　　2.矩阵信息查询//下面的函数都是ndaray对象的成员，也就是说声明了一个矩阵A。如果要用的话，就得得到一个. value()a.ndim//也就是矩阵的维数。一般是2。a.shape//n,的M行中的a.size//矩阵有几个元素，它们等价于矩阵中的元素类型。

　　3.矩阵运算numpy有个奇怪的运算叫元素运算，就是A*B代表矩阵A和矩阵B的每个元素相乘，那么我的运算在哪里呢？

　　矩阵和矩阵运算

　　Np.dot( A，B) //矩阵乘法A**-1//矩阵的逆

　　转载于：https://www.cnblogs.com/foxblogs/p/7569244.html

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。