NumPy – 矩阵操作

Numpy-矩阵操作常用函数

　　一些常用的矩阵操作函数封装在np模块中，而一些不常用的和更高级的矩阵计算则封装在np.linalg模块里。

np模块

函数	作用
transpose(A)或A.T	得到转置矩阵
diag(A)	以一维数组返回矩阵的对角元素
dot(A,B)或A.dot(B)	矩阵点乘
multiply(A,B)	矩阵对应位置相乘
trace(A)	迹运算，对角线元素的和

np.linalg模块

函数	作用
det(A)	计算矩阵行列式
eig(A)	计算方阵的本征值和本征向量
inv(A)	计算方阵的逆
qr(A)	计算qr分解
svd(A)	计算奇异值分解svd
solve(A,B)	解线性方程组Ax=B，其中A为方阵
lstsq(A,B)	计算Ax=B的最小二乘解

import numpy as np

nd1 = np.arange(4).reshape([2, 2])
print(nd1)
'''
[[0 1]
 [2 3]]
'''

t = np.transpose(nd1)  # 转置
print(t)
'''
[[0 2]
 [1 3]]
'''

t = np.diag(nd1)  # 返回对角线元素
print(t)
'''
[0 3]
'''

t = np.dot(nd1, nd1)  # 点乘
print(t)
'''
[0 1][0 1]   [2  3]
[2 3][2 3] = [6 11] 输出形式为：
[[ 2  3]
 [ 6 11]]
'''

t = np.multiply(nd1, nd1)  # 矩阵对应位置相乘
'''
[[0 1]
 [4 9]]
'''

t = np.trace(nd1)  # 迹运算(对角元素的和)
print(t)
'''
3
'''

t = np.linalg.inv(nd1)  # 计算逆矩阵
print(t)
'''
[[-1.5  0.5]
 [ 1.   0. ]]
'''

import numpy as np

nd1 = np.arange(4).reshape([2, 2])

print(nd1)

'''

[[0 1]

[2 3]]

'''

t = np.transpose(nd1) # 转置

print(t)

'''

[[0 2]

[1 3]]

'''

t = np.diag(nd1) # 返回对角线元素

print(t)

'''

[0 3]

'''

t = np.dot(nd1, nd1) # 点乘

print(t)

'''

[0 1][0 1] [2 3]

[2 3][2 3] = [6 11] 输出形式为：

[[ 2 3]

[ 6 11]]

'''

t = np.multiply(nd1, nd1) # 矩阵对应位置相乘

'''

[[0 1]

[4 9]]

'''

t = np.trace(nd1) # 迹运算(对角元素的和)

print(t)

'''

t = np.linalg.inv(nd1) # 计算逆矩阵

print(t)

'''

[[-1.5 0.5]

[ 1. 0. ]]

'''