SciPy 基本功能

默认情况下，所有的NumPy函数都可以通过SciPy命名空间获得。当SciPy被导入时，不需要明确导入NumPy函数。NumPy的主要对象是同质的多维数组。它是一个元素（通常是数字）的表格，所有的元素都是相同的类型，由正整数的元组来索引。在NumPy中，尺寸被称为轴。 轴 的数量被称为 等级。

现在，让我们回顾一下NumPy中矢量和矩阵的基本功能。由于SciPy是建立在NumPy数组之上的，所以了解NumPy的基础知识是必要的。因为线性代数的大部分内容只涉及到矩阵。

NumPy Vector

一个向量可以通过多种方式创建。下面将介绍其中的一些。

将Python数组类对象转换为NumPy

让我们考虑下面的例子。

import numpy as np
list = [1,2,3,4]
arr = np.array(list)
print arr

上述程序的输出结果将如下。

[1 2 3 4]

内置NumPy数组创建

NumPy有内置函数用于从头开始创建数组。下面将解释其中的一些函数。

使用zeros()

zeros(shape)函数将创建一个充满0值的指定形状的数组。默认的dtype是float64。让我们考虑下面的例子。

import numpy as np
print np.zeros((2, 3))

上述程序的输出结果将如下。

array([[ 0., 0., 0.],
[ 0., 0., 0.]])

使用 ones()

ones(shape)函数将创建一个充满1值的数组。它在所有其他方面都与零相同。让我们考虑下面的例子。

import numpy as np
print np.ones((2, 3))

上述程序的输出结果将如下。

array([[ 1., 1., 1.],
[ 1., 1., 1.]])

使用range()函数

arange()函数将创建具有定期递增值的数组。让我们考虑下面的例子。

import numpy as np
print np.arange(7)

上述程序将产生以下输出。

array([0, 1, 2, 3, 4, 5, 6])

定义值的数据类型

让我们考虑下面的例子。

import numpy as np
arr = np.arange(2, 10, dtype = np.float)
print arr
print "Array Data Type :",arr.dtype

上述程序将产生以下输出。

[ 2. 3. 4. 5. 6. 7. 8. 9.]
Array Data Type : float64

使用linspace()函数

linspace()函数将创建具有指定数量元素的数组，这些元素将在指定的开始和结束值之间等距排列。让我们考虑下面的例子。

import numpy as np
print np.linspace(1., 4., 6)

上述程序将产生以下输出。

array([ 1. , 1.6, 2.2, 2.8, 3.4, 4. ])

矩阵

矩阵是一个专门的二维数组，通过运算保持其二维性质。它有某些特殊的运算符，如*（矩阵乘法）和**（矩阵幂）。让我们考虑下面的例子。

import numpy as np
print np.matrix('1 2; 3 4')

上述程序将产生以下输出。

matrix([[1, 2],
[3, 4]])

矩阵的共轭转置

该功能返回 self 的（复数）共轭转置 。 让我们考虑下面的例子。

import numpy as np
mat = np.matrix('1 2; 3 4')
print mat.H

上述程序将产生以下输出。

matrix([[1, 3],
        [2, 4]])

矩阵的转置

该功能返回自身的转置。让我们考虑下面的例子。

import numpy as np
mat = np.matrix('1 2; 3 4')
mat.T

上述程序将产生以下输出。

matrix([[1, 3],
        [2, 4]])

当我们对一个矩阵进行转置时，我们会生成一个新的矩阵，其行与原矩阵的列相同。另一方面，共轭转置则是将每个矩阵元素的行和列索引互换。矩阵的反转是一个矩阵，如果与原矩阵相乘，会产生一个相同的矩阵。