机器学习python基础（四）numpy（三）

numpy.array运算

乘法

普通的数组乘法：

np的数组乘法：

基本运算

还有很多，可以自行查看。

矩阵运算

不同维度相加会报错：

向量和矩阵的运算

这里注意，这两个可以相加，有兴趣可以看numpy.array的broadcast：

vstack还可以用于叠加向量：

还可以通过如下方式叠加：

向量和矩阵相乘：

矩阵点乘计算公式为：

所以，实际计算：

矩阵的逆

只有方块矩阵才能求逆：

矩阵的伪逆

矩阵的伪逆又被称为“广义逆矩阵”，在numpy中，求法如下：

虽然非方块矩阵求不了逆，但是可以求伪逆。

numpy的聚合操作

sum

普通的sum操作：

numpy的sum操作及其效率：

可以看到，这速度是普通sum的200倍。

min、max

接下去就是min和max等，还有对比：

多维度聚合

所有的都sum起来：
在某个维度上sum，通过axis指定哪一个：

其他聚合操作

一个个数相乘：

取平均数，中位数：
百分位数：

方差，标准差：

numpy的arg运算

索引的获取

排序

通过np一维排序：

通过普通方法排序：

通过np指定axis也就是某个维度来排序：

使用索引

用索引来排序：

partition分割

下面的partition方式和上面一样，但是得到的结果是数据的索引，而不是数据，可以对比一下，得到的结果就是上一次得到结果的索引：

下面是多维的partition：

总结一下，arg其实就是得到的结果之后，取出它的索引。