mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-10 05:45:40 +08:00
40 lines
1.3 KiB
Python
40 lines
1.3 KiB
Python
#!/usr/bin/python
|
||
# coding:utf8
|
||
|
||
from numpy import random, mat, eye
|
||
|
||
'''
|
||
# NumPy 矩阵和数字的区别
|
||
NumPy存在2中不同的数据类型:
|
||
1. 矩阵 matrix
|
||
2. 数组 array
|
||
相似点：
|
||
都可以处理行列表示的数字元素
|
||
不同点：
|
||
1. 2个数据类型上执行相同的数据运算可能得到不同的结果。
|
||
2. NumPy函数库中的 matrix 与 MATLAB中 matrices 等价。
|
||
'''
|
||
|
||
# 生成一个 4*4 的随机数组
|
||
randArray = random.rand(4, 4)
|
||
|
||
# 转化关系， 数组转化为矩阵
|
||
randMat = mat(randArray)
|
||
# .I表示对矩阵求逆(可以利用矩阵的初等变换
|
||
# # 意义：逆矩阵是一个判断相似性的工具。逆矩阵A与列向量p相乘后，将得到列向量q，q的第i个分量表示p与A的第i个列向量的相似度。
|
||
# # 参考案例链接：
|
||
# # https://www.zhihu.com/question/33258489
|
||
# # http://blog.csdn.net/vernice/article/details/48506027
|
||
# .T表示对矩阵转置(行列颠倒)
|
||
invRandMat = randMat.I
|
||
# 输出结果
|
||
print(randArray, '\n---\n', randMat, '\n+++\n', invRandMat)
|
||
# 矩阵和逆矩阵 进行求积 (单位矩阵，对角线都为1嘛，理论上4*4的矩阵其他的都为0)
|
||
myEye = randMat*invRandMat
|
||
# 误差
|
||
print myEye - eye(4)
|
||
|
||
'''
|
||
如果上面的代码运行没有问题，说明numpy安装没有问题
|
||
'''
|