Python numpy线性代数怎么理解，有哪些知识点-群英

上一篇：Python logging的主要作用是什么，怎么应用下一篇：Python通用函数有什么，用法是怎样的

这篇文章给大家分享的是“Python numpy线性代数怎么理解，有哪些知识点”，对大家学习和理解有一定的参考价值和帮助，有这方面学习需要的朋友，接下来就跟随小编一起学习一下吧。

线性代数，矩阵计算，优化与内存；比如矩阵乘法，分解，行列式等数学知识，是所有数组类库的重要组成部分。和MATLAB等其他语言相比，numpy的线性代数中有所不同的是矩阵相乘不是点积运算而是逐个元素计算，因此在numpy里面都有一个特定的函数来计算，它就是dot，

语法如下：

numpy之线性代数函数

diag	将一个方阵的对角（或非对角）元素作为一维数组返回，或者将一个一维数转换为一个方阵，并且在非对角线上有零点
dot	矩阵点乘
trace	计算对角元素和
det	计算矩阵行列式
eig	计算方阵特征值和特征向量
inv	计算方阵的逆矩阵
pinv	计算矩阵的伪逆
qr	计算QR分解
svd	计算奇异值分解
solve	求x的线性系统：Ax = b，其中A是方阵
lstsq	计算Ax = b 的最小二乘解

伪随机数生成

numpy.random模块填补了Python内建的random模块的不足，可以高效的生成多种概率分布下的完整样本数组。比如我们使用normal来获得一个8*8的正态分布样本数组

随机数种子：

什么是随机数种子？举一个简单的例子，如果我的随机种子是100，那么计算机就会在0-100中随机产生，看下面

随机种子是1111....

seed	向随机数生成器传递随机状态种子
permutation	返回一个序列的随机排列，或者返回一个乱序的整数范围序列
shuffle	随机排列一个序列
rand	从均匀分布中抽取样本
randint	根据给定的由低到高的范围抽取随机整数
randn	从均值0方差1的正态分布中抽取样本（MATLAB型接口）
binomial	从二项分布中抽取样本
normal	从高斯分布中抽取样本
beta	从beta中抽取样本
chisquare	从卡方分布中抽取样本
gamma	从伽马分布中抽取样本
uniform	从均匀分布抽取样本