数据分析之Numpy学习笔记（三）（线性代数）

80 阅读 0 评论 53 点赞

我是靠谱客的博主落后翅膀，这篇文章主要介绍数据分析之Numpy学习笔记（三）（线性代数），现在分享给大家，希望可以做个参考。

矩阵的点积

复制代码

1
2
3
4
5
x.dot(y)
-->矩阵的点积，如2x3 · 3X2 -->返回 2X2
等价于np.dot(x,y)
等价于x @ y

这篇文章写得很好，有实际例子说明

复制代码

1
2
3
4
5
6
7
8
9
10
11
方阵才有
特征值
长方阵转方阵
奇异值
特征值的特点：
(A^T)A 和 A(A^T)的特征值相同
理解特征值、特征向量
计算特征值和特征向量：
lmd,vector = np.linalg.eig(A)
返回矩阵A的特征值和特征向量

复制代码

1
2
3
4
5
A.T
矩阵的转置
inv(A)
矩阵的逆（实际上还是一个数组对象）

复制代码

1
2
3
4
5
6
mat()
可以实现 numpy数组对象
转换为
matrix数组对象
matrix_obj.I	可以得到矩阵的逆（矩阵对象）

复制代码

1
2
3
4
5
6
7
8
9
10
det()
行列式
eye()
单位矩阵，如：eye(4) -->生成一个4X4的单位矩阵
diag()
以一维数组的形式返回方阵的对角线（或非对角线）元素
或将一维数组转换成方阵（非对角线元素为0）
trace()
矩阵的迹，计算对角线元素的和

复制代码

1
2
3
4
5
6
7
8
9
q,r = qr(A)
对A进行q,r分解
svd()
奇异值分解
solve()
解线性方程组Ax=b （A为方阵）
lstsq()
计算Ax=b的最小二乘解

，
，
，
下一篇：数据分析之Pandas学习笔记（一）（入门）

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。