Python机器学习（五十二）SciPy基础功能

　　默认情况下，所有NumPy函数都可以在SciPy（命名空间）中使用。当导入SciPy时，不需要显式地导入NumPy函数。NumPy的主要对象是n次多维数组ndarray，SciPy构建在ndarray数组之上，ndarray是存储单一数据类型的多维数组。在NumPy中，维度称为轴，坐标轴的数量称为秩。
　　通常线性代数主要处理矩阵运算，现在，让我们复习一下NumPy中向量数组和矩阵的基本功能。NumPyndarray数组
　　ndarray是NumPy中最重要的类。
　　标准的Python列表（list）中，元素是对象。如：L〔1，2，3〕，需要3个指针和三个整数对象，对于数值运算比较浪费资源。
　　与此不同，ndarray中元素直接存储为原始数据，元素的类型由ndarray对象中的属性dtype描述。
　　当ndarray数组中的元素，通过索引或切片返回时，会根据dtype，从原始数据转换成Python对象，以便外部使用。
　　示例
　　将Python类数组对象转换为NumPy数组importnumpyasnplist〔1，2，3，4〕arrnp。array（list）print（arr）print（type（arr））
　　输出〔1234〕classnumpy。ndarray创建NumPy数组
　　NumPy中，可以使用下面介绍的内置函数创建ndarrray数组。zeros（）
　　zeros（）函数创建数组，并且把数组元素的值初始化为0，可以指定数组形状和数据类型。
　　示例importnumpyasnpprint（np。zeros（（2，3）））
　　输出〔〔0。0。0。〕〔0。0。0。〕〕ones（）
　　ones（）函数创建数组，并且把数组元素的值初始化为1，可以指定数组形状和数据类型。
　　示例importnumpyasnpprint（np。ones（（2，3）））
　　输出〔〔1。1。1。〕〔1。1。1。〕〕arange（）
　　arange（）函数创建递增数组。
　　示例importnumpyasnpprint（np。arange（7））
　　输出〔0123456〕数组的数据类型
　　数据类型对象dtype，是描述数组中元素数据类型的对象。
　　示例importnumpyasnparrnp。arange（2，10，dtypenp。float）print（arr）print（数组数据类型：，arr。dtype）
　　输出〔2。3。4。5。6。7。8。9。〕数组数据类型：float64linspace（）
　　linspace（）函数创建一个数组，该数组包含指定区间内均匀分布的值。
　　示例importnumpyasnpprint（np。linspace（1。，4。，6））
　　输出〔1。1。62。22。83。44。〕矩阵
　　矩阵是一种特殊的二维数组，它有一些特殊的运算符，如（矩阵乘法）和（矩阵幂）。
　　示例importnumpyasnpprint（np。matrix（12；34））
　　输出〔〔12〕〔34〕〕矩阵转置
　　将矩阵的行列互换得到的新矩阵，称为转置矩阵。
　　示例importnumpyasnpmatnp。matrix（12；34）mat。T
　　输出matrix（〔〔1，3〕，〔2，4〕〕）矩阵的共轭转置
　　共轭就是矩阵每个元素都取共轭（复数的实部不变，虚部取负）。
　　共轭转置就是先取共轭，再取转置。
　　示例importnumpyasnpmatnp。matrix（12；34）print（mat。H）
　　输出matrix（〔〔1，3〕，〔2，4〕〕）单位矩阵
　　单位矩阵在矩阵的乘法中，起着特殊的作用，如同数的乘法中的1。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为1，除此以外全都为0。
　　示例
　　创建单位矩阵：importnumpy。matlibimportnumpyasnpprint（np。matlib。identity（5））
　　输出〔〔1。0。0。0。0。〕〔0。1。0。0。0。〕〔0。0。1。0。0。〕〔0。0。0。1。0。〕〔0。0。0。0。1。〕〕逆矩阵
　　逆矩阵的数学定义：存在矩阵M以及矩阵N，假如MN矩阵I（IdentifyMatrix单位矩阵），那么矩阵M和矩阵N互为逆矩阵。
　　示例
　　求一个矩阵的逆矩阵：importnumpyasnpmatnp。matrix（12；34）mat2mat。Iprint（mat2）
　　输出〔〔2。1。〕〔1。50。5〕〕