《数据分析》课件——任务2.6 线性代数模块和随机模块的使用.pptxVIP

任务2.6线性代数模块和随机模块的使用Python数据分析

学习目标及重难点学习目标：掌握线性代数模块的使用掌握随机数模块的使用素养目标：了解模块的作用学习重点：线性代数和随机数模块的使用

目录学习内容1.线性代数模块2.随机数模块

01线性代数模块

1.线性代数模块numpy.linalg模块中有一组标准的矩阵分解运算以及诸如逆和行列式之类的东西。例如，矩阵相乘，如果我们通过“*”对两个数组相乘的话，得到的是一个元素级的积，而不是一个矩阵点积。

1.线性代数模块NumPy中提供了一个用于矩阵乘法的dot()方法。arr_x=np.array([[1,2,3],[4,5,6]])arr_y=np.array([[1,2],[3,4],[5,6]])#等价于np.dot(arr_x,arr_y)arr_x.dot(arr_y)array([[22,28], [49,64]])

1.线性代数模块矩阵点积的条件是矩阵A的列数等于矩阵B的行数，假设A为m*p的矩阵，B为p*n的矩阵，那么矩阵A与B的乘积就是一个m*n的矩阵C，其中矩阵C的第i行第j列的元素可以表示为：

1.线性代数模块除此之外，linalg模块中还提供了其他很多有用的函数。

02随机数模块

2.随机数模块与Python的random模块相比，NumPy的random模块功能更多，它增加了一些可以高效生成多种概率分布的样本值的函数。#随机生成一个二维数组np.random.rand(3,3)rand()函数隶属于numpy.random模块，它的作用是随机生成N维浮点数组。

2.随机数模块除此之外，random模块中还包括了可以生成服从多种概率分布随机数的其它函数。

2.随机数模块seed()函数可以保证生成的随机数具有可预测性，也就是说产生的随机数相同。numpy.random.seed(seed=None)上述函数中只有一个seed参数，用于指定随机数生成时所用算法开始的整数值。

2.随机数模块当调用seed()函数时，如果传递给seed参数的值相同，则每次生成的随机数都是一样的。当传递的参数值不同或者不传递参数时，则seed()函数的作用跟rand()函数相同，即多次生成随机数且每次生成的随机数都不同。

谢谢