python数据分析工具包（2）——Numpy（二）

　　　　上一篇文章简单地介绍了numpy的一些基本数据类型，以及生成数组和矩阵的操作。下面我们来看一下矩阵的基本运算。在线性代数中，常见的矩阵运算包括，计算行列式、求逆矩阵、矩阵的秩等。下面我们来一一实现。

 C:\Users\Administrator\Desktop
 λ ipython
 Python 3.6.4 (v3.6.4:d48eceb, Dec 19 2017, 06:54:40) [MSC v.1900 64 bit (AMD64)]
 Type 'copyright', 'credits' or 'license' for more information
 IPython 6.2.1 -- An enhanced Interactive Python. Type '?' for help.

 In [1]: import numpy as np

 In [2]: from numpy import linalg       #导入linalg这个库

 In [3]:  A=np.mat([[1,2,4,5,7],[9,10,8,6,2],[6,4,3,9,7],[0,1,3,5,6],[2,3,4,3,8]])

 In [4]: temp=linalg.det(A)       #计算行列式值

 In [5]: print(temp)
 -285.99999999999966

 In [6]: temp2=linalg.inv(A)      #计算可逆矩阵

 In [7]: print(temp2)
 [[ 2.74825175 -0.18181818  0.2027972  -2.4965035  -0.66433566]
  [-4.5979021   0.31818182 -0.14335664  3.6958042   1.2972028 ]
  [ 3.18181818 -0.09090909 -0.09090909 -2.36363636 -0.90909091]
  [-0.59090909  0.04545455  0.04545455  0.68181818 -0.04545455]
  [-0.33216783 -0.04545455  0.03146853  0.16433566  0.27622378]]

 In [8]: n=linalg.matrix_rank(A)     #计算矩阵的秩

 In [9]: print(n)
 5

 In [10]: C=np.mat([[3,1],[1,2]])

 In [11]: D=np.mat([9,8])

 In [12]: X=linalg.solve(C,D.T)            #计算线性方程组的解

 In [16]: print(X)
 [[2.]
  [3.]]

　　　　可以看出来，，，行列式的值为零时，该矩阵不可逆。符合数学规律的。还有其他函数功能，例如切片、复制等。这些操作都比较简单，在以后的实例中会学习到，从而加强记忆