快捷導(dǎo)航

Python?numpy之線性代數(shù)與隨機(jī)漫步

更新時(shí)間：2022年07月11日 11:43:35 作者：王小王_123???????

這篇文章主要介紹了Python?numpy之線性代數(shù)與隨機(jī)漫步，線性代數(shù)，矩陣計(jì)算，優(yōu)化與內(nèi)存；比如矩陣乘法，分解，行列式等數(shù)學(xué)知識(shí)，是所有數(shù)組類庫(kù)的重要組成部分

線性代數(shù)

線性代數(shù)，矩陣計(jì)算，優(yōu)化與內(nèi)存；比如矩陣乘法，分解，行列式等數(shù)學(xué)知識(shí)，是所有數(shù)組類庫(kù)的重要組成部分。和MATLAB等其他語(yǔ)言相比，numpy的線性代數(shù)中有所不同的是矩陣相乘不是點(diǎn)積運(yùn)算而是逐個(gè)元素計(jì)算，因此在numpy里面都有一個(gè)特定的函數(shù)來(lái)計(jì)算，它就是dot，

語(yǔ)法如下：

numpy之線性代數(shù)函數(shù)

diag	將一個(gè)方陣的對(duì)角（或非對(duì)角）元素作為一維數(shù)組返回，或者將一個(gè)一維數(shù)轉(zhuǎn)換為一個(gè)方陣，并且在非對(duì)角線上有零點(diǎn)
dot	矩陣點(diǎn)乘
trace	計(jì)算對(duì)角元素和
det	計(jì)算矩陣行列式
eig	計(jì)算方陣特征值和特征向量
inv	計(jì)算方陣的逆矩陣
pinv	計(jì)算矩陣的偽逆
qr	計(jì)算QR分解
svd	計(jì)算奇異值分解
solve	求x的線性系統(tǒng)：Ax = b，其中A是方陣
lstsq	計(jì)算Ax = b 的最小二乘解

偽隨機(jī)數(shù)生成

numpy.random模塊填補(bǔ)了Python內(nèi)建的random模塊的不足，可以高效的生成多種概率分布下的完整樣本數(shù)組。比如我們使用normal來(lái)獲得一個(gè)8*8的正態(tài)分布樣本數(shù)組

隨機(jī)數(shù)種子：

什么是隨機(jī)數(shù)種子？舉一個(gè)簡(jiǎn)單的例子，如果我的隨機(jī)種子是100，那么計(jì)算機(jī)就會(huì)在0-100中隨機(jī)產(chǎn)生，看下面

隨機(jī)種子是1111....

seed	向隨機(jī)數(shù)生成器傳遞隨機(jī)狀態(tài)種子
permutation	返回一個(gè)序列的隨機(jī)排列，或者返回一個(gè)亂序的整數(shù)范圍序列
shuffle	隨機(jī)排列一個(gè)序列
rand	從均勻分布中抽取樣本
randint	根據(jù)給定的由低到高的范圍抽取隨機(jī)整數(shù)
randn	從均值0方差1的正態(tài)分布中抽取樣本（MATLAB型接口）
binomial	從二項(xiàng)分布中抽取樣本
normal	從高斯分布中抽取樣本
beta	從beta中抽取樣本
chisquare	從卡方分布中抽取樣本
gamma	從伽馬分布中抽取樣本
uniform	從均勻分布抽取樣本