python---Numpy模块中线性代数运算,统计和数学函数
NUMPY告一段落,接下来,进入pandas.
import numpy as np # Numpy 线性代数运算 # Numpy 统计和数学函数 print('==========计算矩阵与其转置矩阵的内积。===========') X = np.arange(15).reshape((3, 5)) print(X) print(X.T) print(np.dot(X.T, X)) print('==========计算两个一维数组的外积。===========') arr1 = np.array([12, 43, 10], float) arr2 = np.array([21, 42, 14], float) print(np.outer(arr1, arr2)) print('==========计算两个一维数组的内积。===========') print(np.inner(arr1, arr2)) print('==========计算两个一维数组的向量积。===========') print(np.cross(arr1, arr2)) matrix = np.array([[74, 22, 10], [92, 31, 17], [21, 22, 12]], float) print(matrix) print('==========使用linalg子模块det计算矩阵的行列式值。===========') print(np.linalg.det(matrix)) print('==========使用linalg子模块inv生成逆矩阵。===========') inv_matrix = np.linalg.inv(matrix) print(inv_matrix) print('==========计算矩阵和逆矩阵的内积。===========') print(np.dot(inv_matrix, matrix)) print('==========使用linalg的eig计算矩阵的特征值和特征向量。===========') vals, vecs = np.linalg.eig(matrix) print(vals) print(vecs) arr = np.random.rand(8, 4) print('==========计算均值。===========') print(arr.mean()) print(np.mean(arr)) print('==========求和。===========') print(arr.sum())
PS C:\test> & C:/Python37/python.exe c:/test/ml.py ==========计算矩阵与其转置矩阵的内积。=========== [[ ] [ ] [ ]] [[ ] [ ] [ ] [ ] [ ]] [[ ] [ ] [ ] [ ] [ ]] ==========计算两个一维数组的外积。=========== [[ . . .] [ . . .] [ . . .]] ==========计算两个一维数组的内积。=========== 2198.0 ==========计算两个一维数组的向量积。=========== [ . . -.] [[. . .] [. . .] [. . .]] ==========使用linalg子模块det计算矩阵的行列式值。=========== -2852.000000000003 ==========使用linalg子模块inv生成逆矩阵。=========== [[ 0.00070126 0.01542777 -0.02244039] [ 0.26192146 -0.23772791 0.11851332] [-0.48141655 0.4088359 -0.09467041]] ==========计算矩阵和逆矩阵的内积。=========== [[ 1.00000000e+00 1.66533454e-16 5.55111512e-17] [-2.66453526e-15 1.00000000e+00 2.22044605e-16] [-2.44249065e-15 4.44089210e-16 1.00000000e+00]] ==========使用linalg的eig计算矩阵的特征值和特征向量。=========== [107.99587441 11.33411853 -2.32999294] [[-0.57891525 -0.21517959 0.06319955] [-0.75804695 0.17632618 -0.58635713] [-0.30036971 0.96052424 0.80758352]] ==========计算均值。=========== 0.4850533513332038 0.4850533513332038 ==========求和。=========== 15.521707242662522
python---Numpy模块中线性代数运算,统计和数学函数的更多相关文章
- 查看python内部模块命令,内置函数,查看python已经安装的模块命令
查看python内部模块命令,内置函数,查看python已经安装的模块命令 可以用dir(modules) 或者用 pip list或者用 help('modules') 或者用 python -m ...
- python numPy模块 与numpy里的数据类型、数据类型对象dtype
学习链接:http://www.runoob.com/numpy/numpy-tutorial.html 官方链接:https://numpy.org/devdocs/user/quickstart. ...
- Python 绘制你想要的数学函数图形
Python 非常热门,但除非工作需要没有刻意去了解更多,直到有个函数图要绘制,想起了它.结果发现,完全用不着明白什么是编程,就可以使用它完成很多数学函数图的绘制. 通过以下两个步骤,就可以进行数学函 ...
- python numpy模块
目录 numpy模块 一维数组 二维数组(用的最多的) 获取多维数组的行和列 多维数组的索引 高级功能 多维数组的元素的替换 通过函数方法创建多维数组 矩阵的运算 点乘和转置(了解) 点乘必须 m*n ...
- Python常用模块中常用内置函数的具体介绍
Python作为计算机语言中常用的语言,它具有十分强大的功能,但是你知道Python常用模块I的内置模块中常用内置函数都包括哪些具体的函数吗?以下的文章就是对Python常用模块I的内置模块的常用内置 ...
- python -- numpy 基本数据类型,算术运算,组合,分割 函数
0 NumPy数组 NumPy数组:NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成: 实际的数据 描述这些数据的元数据 NumPy数组属性: ndim(纬数,x,y 2),sha ...
- 【Python】2.13学习笔记 数学函数和随机函数
我死了,今天看课看过头了,忘了发作业,被典明批评 而且化学作业还是瞎搞的,直接就发了 我觉得我已经提前死亡了,现在不死亡,开学也会的 函数 挺容易的,有很多语言之间重合的部分 注意 在使用某些数学函数 ...
- Python Numpy模块函数np.c_和np.r_
np.r_:是按列连接两个矩阵,就是把两矩阵上下相加,要求列数相等,类似于pandas中的concat(). np.c_:是按行连接两个矩阵,就是把两矩阵左右相加,要求行数相等,类似于pandas中的 ...
- python numpy 模块简单介绍
用python自带的list去处理数组效率很低, numpy就诞生了, 它提供了ndarry对象,N-dimensional object, 是存储单一数据类型的多维数组,即所有的元素都是同一种类型. ...
随机推荐
- [LeetCode] 628. Maximum Product of Three Numbers 三个数字的最大乘积
Given an integer array, find three numbers whose product is maximum and output the maximum product. ...
- spring中Bean的懒加载
在ApplicationContext容器中,当容器一启动时,所有的bean(单例的)都会被创建和注入依赖,这也被视为IOC容器启动过程中的一个步骤. 那如何让一个bean在需要的时候再被创建,而不是 ...
- Qt5 QtQuick系列----QtQuick的Secne Graph剖析(1)
教是言词, 实不是道,道本无言, 言说是妄.------- 达摩 Qt 5提出了一个新的渲染底层,以替代Qt4时期的Graphics View,这个渲染底层就是Scene Graph.Scene Gr ...
- chamfer_pcd
import tensorflow as tf import numpy as np def distance_matrix(array1, array2): """ a ...
- [转帖]PC虚拟化主流:KVM、XEN、OpenVZ详解
PC虚拟化主流:KVM.XEN.OpenVZ详解 https://zhuanlan.zhihu.com/p/90920566 1.pc虚拟化——KVM KVM是完整的硬件虚拟化,可以在Windows ...
- Java开发笔记(一百一十六)采用UDP协议的Socket通信
前面介绍了如何通过Socket接口传输文本与文件,在示例代码中,Socket客户端得先调用connect方法连接服务端,确认双方成功连上后才能继续运行后面的代码,这种确认机制确保客户端与服务端的的确确 ...
- git简单介绍
一种常见的版本控制工具 获取 克隆仓库 git支持以ssh或者http的方式来标识远程仓库 git clone git@github.com:username/project.git git clon ...
- twbsPagination.js分页插件
分页插件在使用时注意,如果页面中存在其他异步加载的数据,在运行分页方法第一次后,页面上的分页样式与分页中的data数据就是第一次的数据,如果异步加载重新在页面上录入数据,并希望分页继续在新的数据上实现 ...
- Spring Boot 五种热部署方式
[推荐]2019 Java 开发者跳槽指南.pdf(吐血整理)>>> 1.模板热部署 在SpringBoot中,模板引擎的页面默认是开启缓存的,如果修改了页面的内容,则刷新页面是得不 ...
- 第二章:jQuery初探
一.引入jQuery XXXX.js文件 <script>标签 1.版本选择 当前jQuery有两个分支 1.x 支持ie6.7.8 jquery-1.11.2.js:未经过压缩,适合同学 ...