Python数据分析与应用.pptVIP

查看数组importnumpyasnp#引入numpy库a=np.array([[1,5],[4,5,7],3])#创建数组，将元组或列表作为参数a5=np.array(([1,5,3,4,5],[6,7,8,9,5]))#创建二维的narray对象print(type(a))#a的类型是数组print(a)print(a5)print(a.dtype)#查看a数组中每个元素的类型print(a6.dtype)#查看a5数组中每个元素的类型查看数组importnumpyasnp#引入numpy库a=np.array([[1,5],[4,5,7],3])a5=np.array(([1,5,3,4,5],[6,7,8,9,5]))#创建二维narrayprint(a.shape)#查看数组的行列，3行print(a6.shape)#查看数组的行列，返回5行5列print(a.shape[0])#查看a的行数print(a6.shape[1])#查看a5的列数print(a.ndim)#获取数组的维数print(a6.ndim)print(a6.T)#简单转置矩阵ndarray索引和切片importnumpyasnpa=np.array([[1,5,3,4,5],[6,7,8,9,5]])print(a)print(a[:])#选取全部元素print(a[1])#选取行为1的全部元素print(a[0:1])#截取[0,1)的元素print(a[1,5:5])#截取第二行第[5,5）的元素[895]print(a[1,:])#截取第二行,返回[67895]print(a[1,5])#截取行号为一，列号为5的元素8print(a[1][5])线性代数函数z说明函数说明np.zeros生成零矩阵np.ones生成所有元素为1的矩阵np.eye生成单位矩阵np.transpose矩阵转置np.dot计算两个数组的点积np.inner计算两个数组的内积np.diag矩阵主对角线与一维数组间转换np.trace矩阵主对角线元素的和np.linalg.det计算矩阵行列式np.linalg.eig计算特征根与特征向量np.linalg.eigvals计算方阵特征根np.linalg.inv计算方阵的逆np.linalg.pinv计算方阵的Moore-Penrose伪逆np.linalg.solve计算Ax=b线性方程组解np.linalg.lstsq计算Ax=b的最小二乘解np.linalg.qr计算QR分解np.linalg.svd计算奇异值分解np.linalg.norm计算向量或矩阵的范数四则运算importnumpyasnpimportnumpy.linalgaslg#求矩阵的逆需要先导入numpy.linalga1=np.array([[1,2,3],[4,5,6],[5,4,5]])a5=np.array([[1,5,4],[3,4,7],[7,5,6]])print(a1+a5)#相加print(a1-a5)#相减print(a1/a5)#对应元素相除，如果都是整数则取商print(a1%a5)#对应元素相除后取余数print(a1**5)#矩阵每个元素都取n次方矩阵运算importnumpyasnpimportnumpy.linalgaslg#求矩阵的逆需要先导入numpy.linalga1=np.array([[1,2,3],[4,5,6],[5,4,5]])a5=np.array([[1,5,4],[3,4,7],[7,5,6]])print(a1.dot(a5))#点乘满足：