Python 实现实现Numpy找到最大值的位置(PCA的实现)

np.sort()函数的作用，从小到大排序。（这里我也需要注意axis）
不写的话他的默认值为1.
使用x == np.max(x) 获得一个掩模矩阵，然后使用where方法即可返回最大值对应位置。

编程PCA算法的时候

x=np.array([[-1,-1,0,2,0],
            [-2,0,0,1,1]])
yuan=x
x=0.2*np.dot(x,x.T)
e,v=np.linalg.eig(x)
print(v)
re=np.where(e==np.max(e))
v=v.T[re]
print(re)
print(v)
x=np.dot(v,yuan)
# v=v[:,1]
# x=np.dot(v,yuan)
# print(x)

我一开始用的是下面三行代码计算降维之后的数组，但是我是直接看的结果比较的特征值的最大值，用

re=np.where(e==np.max(e))

获得特征值的最大位置
之后运用numpy的切片操作得到应有的特征向量
特征值分解矩阵原理
(1) 特征值与特征向量
如果一个向量v是矩阵A的特征向量，将一定可以表示成下面的形式：
$A\nu =\lambda \nu$
(2) 特征值分解矩阵
对于矩阵A，有一组特征向量v，将这组向量进行正交化单位化，就能得到一组正交单位向量。特征值分解，就是将矩阵A分解为如下式：
$A=Q\sum Q^{-}1$

PCA就是干的是找坐标系的问题，使得信息在缩小维度的情况下信息损失是最小的。