import numpy as np
m1 = np.arange(10).reshape(2, 5)
m1.T
m1.transpose() # 矩阵转置
m1.reshape(5,2) # 重置
m1.dot(m2) # 乘法
m1*m2 # 不是矩阵乘法，而是按元素乘积。
np.linalg.inv(m3)
np.linalg.pinv(m3) # 矩阵的逆与伪逆
m3.dot(linalg.inv(m3)) # 单位矩阵
np.eye(n) # 函数来创建一个N×N大小的单位矩阵。
np.linalg.qr(m3) # QR分解
np.linalg.det(m3) # 行列式
np.linalg.eig(m3) # 特征值和特征向量
np.linalg.svd(m3) # 奇异值分解
np.diag(m3) # 对角线
np.trace(m3) # 迹
numpy 求解线性标量方程组 np.linalg.solve
求解下面这个方程
\[2x + 6y = 6, 5x + 3y = -9\]coeffs = np.array([[2, 6], [5, 3]])
depvars = np.array([6, -9])
solution = np.linalg.solve(coeffs, depvars)
numpy 的矢量化
np.meshgrid() 函数
numpy 常见错误
np.nanstd() 函数的返回值为 nan。
这种情况是由于所计算的序列当中出现以下几种情况
There are three circumstances where np.nanstd() might return NaN:
- If the input is empty 所输入的序列为空
- If all of the elements in the input are
NaN输入的序列元素全部为nan值 - If one of the elements is either positive or negative infinity. To understand why this happens, remember that the formula for standard deviation is： \(\delta = \sqrt{\frac{1}{N} \sum^{N}_{i=1}(x-\mu)^2}, where\ \mu=\frac{1}{N}\sum^N_{i=1} x_i\)
参考资料