默认情况下,所有NumPy函数都可以通过SciPy命名空间使用.导入SciPy时,无需显式导入NumPy函数. NumPy的主要对象是同构多维数组.它是一个元素表(通常是数字),都是相同的类型,由正整数元组索引.在NumPy中,尺寸称为轴. 轴的数量称为 rank .
现在,让我们修改NumPy中的Vectors和Matrices的基本功能.由于SciPy建立在NumPy阵列之上,因此必须了解NumPy基础知识.由于线性代数的大多数部分仅处理矩阵.
可以通过多种方式创建向量.其中一些描述如下.
让我们考虑以下示例.
import numpy as np list = [1,2,3,4] arr = np.array(list) print arr
上述程序的输出如下:
[1 2 3 4]
NumPy具有用于创建数组的内置函数从头开始.其中一些函数如下所述.
零(形)函数将创建一个填充0值的数组指定的形状.默认的dtype是float64.让我们考虑以下示例.
import numpy as np print np.zeros((2,3))
上述程序的输出如下:
array([ [0.,0.,0.], [0.,0.,0.]])
这些(形状)函数将创建一个填充1个值的数组.在所有其他方面它与零相同.让我们考虑以下示例.
import numpy as np print np.ones((2,3))
上述程序的输出如下:
array([ [1.,1.,1.], [1.,1.,1.]])
arange()函数将创建具有定期递增值的数组.让我们考虑以下示例.
import numpy as np print np.arange(7)
上述程序将生成以下输出.
array([0,1,2, 3,4,5,6])
让我们考虑以下例如.
import numpy as np arr = np.arange(2,10,dtype = np.float) print arr print"Array Data Type:",arr.dtype
上述程序将生成以下输出.
[2. 3. 4. 5. 6. 7. 8. 9.] 数组数据类型:float64
linspace()函数将创建具有指定数量元素的数组,这些元素将在指定的开头之间平均分布和结束价值.让我们考虑以下示例.
import numpy as np print np.linspace(1.,4.,6)
上述程序将生成以下输出.
array([ 1.,1.6,2.2,2.8,3.4,4.])
矩阵是专门的二维阵列,通过操作保持其二维特性.它有一些特殊的运算符,如*(矩阵乘法)和**(矩阵幂).让我们考虑以下示例.
import numpy as np print np.matrix('1 2; 3 4')
上述程序将生成以下输出.
matrix([ [1,2], [3,4]])
此功能返回 self 的(复杂)共轭转置.让我们考虑以下示例.
import numpy as np mat = np.matrix('1 2; 3 4') print mat.H
上述程序将生成以下输出.
matrix([[1, 3], [2, 4]])
此功能返回self的转置.让我们考虑以下示例.
import numpy as np mat = np.matrix('1 2; 3 4') mat.T
上述程序将生成以下输出.
matrix([[1, 3], [2, 4]])
当我们转置矩阵时,我们制作一个新的矩阵,其行是原始的列.另一方面,共轭转置为每个矩阵元素交换行和列索引.矩阵的逆矩阵是一个矩阵,如果与原始矩阵相乘,则得到一个单位矩阵.