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

  1. 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  ...

  2. 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. ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 【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 ...

  8. 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 ...

  9. 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

  1. [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. ...

  2. 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 ...

  3. 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 ...

  4. chamfer_pcd

    import tensorflow as tf import numpy as np def distance_matrix(array1, array2): """ a ...

  5. [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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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 ...