Python数据分析-基础技术篇_技术笔记

Q_Collector 2020-11-05
矩阵操作
from numpy.linalg import *
1. 求逆矩阵 inv（）
2. 转置矩阵 transpose（）
3. 行列式 det（）
4. 特征值与特征向量 eig（）第一个特征值第二个特征向量
5. 求解方程 solve（a,b）
0赞 · 0采集
libigfat 2020-06-27

numpy.linalg是一些矩阵的线性操作
inv求逆矩阵
T矩阵转置
solve解方程组

0赞 · 0采集
Shepherd9527 2020-04-02
矩阵操作 from numpy.linalg import *
1. 求逆矩阵 inv（）
2. 转置矩阵 transpose（）
3. 行列式 det（）
4. 特征值与特征向量 eig（）
截图
0赞 · 0采集
Shepherd9527 2020-04-02
矩阵操作：
1. 求逆矩阵 inv（）
2. 转置矩阵 transpose（）
截图
0赞 · 0采集
慕仰2907144 2019-10-04

http://www.runoob.com/numpy/numpy-linear-algebra.html

0赞 · 0采集
慕仰2907144 2019-10-04

import numpy as np导入的是numpy包。通过np.linalg.xxx()来使用linalg的函数。
import numpy.linalg导入的是numpy中的linalg包。通过numpy.linalg.xxx()来使用linalg的函数。
from numpy.linalg import *是导入numpy.linalg下的所有函数。通过xxx()来使用linalg的函数。

0赞 · 0采集
MegatronPrime 2019-09-23

常用的操作

截图
0赞 · 0采集

萤火虫之夏 2019-05-14

# 4. liner
from numpy.linalg import *
print np.eye(3) # 单位矩阵
lst = np.array([[1, 2],
                [3, 4]])
print "Inv:"
print inv(lst) # 矩阵的逆
print "T"
print lst.transpose() # 转置矩阵
print "Det:"
print det(lst) # 行列式
print eig(lst) # 特征值和特征向量，一个元组，两个array
y = np.array([[5], [7]])
print "Solve"
print solve(lst, y) # 解方程组 x+2y=5; 3x+4y=7

3赞 · 2采集

慕粉0948086830 2018-12-03

from numpy.linalg import *
print(np.eye(3)
print(inv(lst))//逆矩阵
print(lst.transpose())
print（det(lst)）
print(eig(lst))/特征值特征向量

1赞 · 0采集

MOOC扛把子 2018-11-18

....................

截图
0赞 · 0采集
小猪码农 2018-08-28

线性方程组导入模块 from numpy.linalg import *

截图
0赞 · 0采集
DHenjoy 2018-08-08

from numpy.linalg import *
inv(array)#逆矩阵
det(array)#行列式值
eig(array)#特征向量及特征值
solve(A, B)#求解AX=B

0赞 · 0采集
qq_不是不可以_0 2018-04-20

#python27
from numpy.linalg import *
a=np.array(([1,2,3],
[3,4,5],[5,6,8]))
print det(a)
print eig(a)
b = np.array([[6],[12],[20]])
print solve(a, b)

0赞 · 0采集
鬼脚飞 2017-10-29

# liner print(np.eye(3)) lst = np.array([ [1.,2.], [3.,4.] ]) # 单位矩阵 print("inv") print(inv(lst)) # 转置矩阵 print("Transpose") print(lst.transpose()) # 行列式 print("Det:") print(det(lst)) # 特征值和特征向量 print("eig:") print(eig(lst)) ''' 解方程： x + 2y = 5 3x + 4y = 7 解得: x = -3 y = 4 ''' y = np.array([[5.],[7.]]) print("solve:") print(solve(lst, y))

截图
0赞 · 0采集
慕粉1901135976 2017-08-09

lst=np.array([[[1,2,3,4], [4,5,6,7]], [[7,8,9,10], [10,11,12,13]], [[14,15,16,17], [18,19,20,21]] ]) print(lst.sum(axis=2))#根据axis,在不同维度进行求和 print("Min:",lst.min(axis=0)) list1=np.array([10,20,30,40]) list2=np.array([4,3,2,1]) print("Dot:",np.dot(list1.reshape([2,2]),list2.reshape([2,2]))) print(np.dot(list1,list2))#不同数组进行点乘 print(list1.reshape([2,2 ]))#数组重组 print (np.vstack((list1,list2)))#缝合两个数组 print(np.hstack((list1,list2))) print (np.split(list1,4))#分离数组 print(np.copy(list1)) if __name__ == '__main__': main()

0赞 · 0采集
慕粉1901135976 2017-08-09

import numpy as np def main(): lst=[[1,3,5],[2,4,6]] print (type(lst)) np_lst=np.array(lst) print (type(np_lst)) np_lst=np.array(lst,dtype=np.float) print (np_lst.shape) print (np_lst.ndim) print(np_lst.itemsize) print(np_lst.dtype) print(np_lst.size) #some Arrays print(np.zeros([2,4])) print(np.ones([3,5])) print ("Rand:",np.random.rand(2,4)) print (np.random.rand()) print("RandInt:",np.random.randint(1,10,3)) print("Randn:",np.random.randn(2,4)) print("Choice:",np.random.choice([10,20,30,40,50,60,70,80,90,100])) print("Distribute:",np.random.beta(1,2,10)) print (np.exp(np.arange(1,11).reshape([2,5]))) print (np.exp(1),np.exp(2),np.exp(3)) print(np.cos(0)) print(np.log(1))

0赞 · 0采集
Uestc_L 2017-07-31

#矩阵操作与线性方程组 from numpy.linalg import * print (np.eye(3)) #他是一个3行3列的单位矩阵 list = np.array(([1, 2], [3, 4])) print (inv(list)) #逆矩阵 print (list.transpose()) # 转置矩阵 print (det(list)) #求行列式（算的是行列式的值） print (eig(list)) #特征值和特征向量 y = np.array(([5.], [7.])) {x+2y=5 3x+4y=7} print (solve(list, y)) #求list与y组成的二元一次方程组的解

5赞 · 4采集
qq_笑脸男_0 2017-07-31

tuple和list的区别就是一个可以更改一个不可以

0赞 · 0采集
qq_笑脸男_0 2017-07-31

eig 输出的是特征值和特征向量

0赞 · 0采集
慕UI0103114 2017-07-26

#矩阵操作与线性方程组 from numpy.linalg import * print (np.eye(3)) list = np.array(([1, 2], [3, 4])) print (inv(list)) #逆矩阵 print (list.transpose()) # 转置矩阵 print (det(list)) #求行列式 print (eig(list)) #特征值和特征向量 y = np.array(([5.], [7.])) print (solve(list, y)) #求list与y组成的二元一次方程组的解

0赞 · 2采集
Dazzz 2017-07-16

Solve the system of equations 3 * x0 + x1 = 9 and x0 + 2 * x1 = 8: >>> a = np.array([[3,1], [1,2]]) >>> b = np.array([9,8]) >>> x = np.linalg.solve(a, b) >>> x array([ 2., 3.]) Check that the solution is correct: >>> np.allclose(np.dot(a, x), b) True

0赞 · 0采集
Victor珂珂 2017-07-09

明天继续

截图
0赞 · 0采集
慕桂英8236083 2017-06-07

#矩阵操作与线性方程组 from numpy.linalg import * print (np.eye(3)) list = np.array(([1, 2], [3, 4])) print (inv(list)) #逆矩阵 print (list.transpose()) # 转置矩阵 print (det(list)) #求行列式 print (eig(list)) #特征值和特征向量 y = np.array(([5.], [7.])) print (solve(list, y)) #求list与y组成的二元一次方程组的解

0赞 · 0采集

数据加载中...