numpy库小笔记

本文介绍了如何使用random.rand()生成随机矩阵,并通过mat()函数将其转换为矩阵形式。此外还探讨了矩阵求逆的方法及互逆矩阵相乘得到单位矩阵的过程。最后,文章解释了tile()函数的功能,即按指定倍数扩展数组。


random.rand(4, 4) 得到4x4的随机数组

mat()函数将数组转为矩阵   mat(random.rand(4, 4))

.I操作实现矩阵求逆 rangMat.I

互逆矩阵相乘得到单位矩阵   (很小的计算误差来自计算机的计算)

eye() 得到单位矩阵 如eye(4, 4)返回4x4的单位矩阵。



 关于 tile(a,( , ))


tile(a,(3,2))

对a数组进行:行扩展至3倍,列扩展至2倍的操作。


### NumPy 学习笔记及相关教程 NumPyPython 中用于科学计算的核心之一,提供了强大的多维数组对象以及一系列派生工具。以下是有关 NumPy 的学习要点及其应用实例: #### 1. 基本操作 NumPy 提供了多种创建和操作数组的方法。例如,可以通过 `np.array` 创建一个多维数组并对其进行加法运算[^2]: ```python import numpy as np a = np.array([[3,4,5,6,7,8], [4,5,6,7,8,9]]) b = 2 a = a + b print(a) ``` #### 2. 高级索引技术 布尔索引是一种非常实用的功能,允许基于条件筛选数据。以下是一个简单的例子[^3]: ```python y = np.arange(35).reshape(5, 7) filtered_y = y[y > 20] # 获取 y 中值大于 20 的元素 range_filtered_y = y[(y > 5) & (y < 10)] # 获取 y 中介于 5 和 10 之间的元素 nan_array = np.array([np.nan, 1, 2, np.nan, 3, 4, 5]) cleaned_nan_array = nan_array[~np.isnan(nan_array)] # 移除 NaN 值 ``` #### 3. 列向量转换技巧 对于一维数组,默认情况下它是行向量。如果需要将其转化为列向量,则需使用特定方法而非简单转置[^4]: ```python arr = np.array([1, 2, 3]) column_vector_1 = arr[:, None] column_vector_2 = arr.reshape((len(arr), 1)) ``` #### 4. 数学函数支持 NumPy 支持广泛的数学运算功能,包括但不限于三角函数、指数对数等基本算术操作。 --- ### 推荐的学习资源 为了更深入地掌握 NumPy,可以参考以下几种途径: - **官方文档**: 官方网站提供详尽的 API 文档与教程。 - **在线课程平台**: 如 Coursera 或 edX 上有专门针对 NumPy 的入门至高级课程。 - **书籍推荐**: - *Python for Data Analysis* by Wes McKinney. - *Numerical Python: A Practical Techniques Approach for Industry.* 这些材料能够帮助初学者逐步理解核心概念,并通过实践巩固所学技能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值