numpy学习笔记（四）

（1）NumPy - 矩阵库

NumPy 包包含一个 Matrix库numpy.matlib。此模块的函数返回矩阵而不是返回ndarray对象。

• matlib.empty()返回一个新矩阵，而不初始化元素。numpy.matlib.empty(shape, dtype, order)
• numpy.matlib.zeros()返回以零填充的矩阵。
• numpy.matlib.eye()返回一个矩阵，对角线元素为 1，其他位置为零。
• numpy.matlib.identity()返回给定大小的单位矩阵。单位矩阵是主对角线元素都为 1 的方阵。
• numpy.matlib.rand()`函数返回给定大小的填充随机值的矩阵。

矩阵总是二维的，而ndarray是一个 n 维数组。 两个对象都是可互换的。

（2）NumPy - 线性代数

NumPy 包包含numpy.linalg模块，提供线性代数所需的所有功能。  

• numpy.dot()此函数返回两个数组的点积。 对于二维向量，其等效于矩阵乘法。 对于一维数组，它是向量的内积。 对于 N 维数组，它是a的最后一个轴上的和与b的倒数第二个轴的乘积。
• numpy.vdot()返回两个向量的点积。 如果第一个参数是复数，那么它的共轭复数会用于计算。 如果参数id是多维数组，它会被展开。
• numpy.inner()此函数返回一维数组的向量内积。 对于更高的维度，它返回最后一个轴上的和的乘积。
• numpy.matmul()函数返回两个数组的矩阵乘积。 虽然它返回二维数组的正常乘积，但如果任一参数的维数大于2，则将其视为存在于最后两个索引的矩阵的栈，并进行相应广播。另一方面，如果任一参数是一维数组，则通过在其维度上附加 1 来将其提升为矩阵，并在乘法之后被去除。

• numpy.linalg.det()行列式在线性代数中是非常有用的值。计算方针行列式。
• numpy.linalg.solve()函数给出了矩阵形式的线性方程的解
• numpy.linalg.inv()函数来计算矩阵的逆

（3）NumPy - IO

ndarray对象可以保存到磁盘文件并从磁盘文件加载。 可用的 IO 功能有：

• load()和save()函数处理 numPy 二进制文件(带npy扩展名)。save()和load()函数接受一个附加的布尔参数allow_pickles。 Python 中的pickle用于在保存到磁盘文件或从磁盘文件读取之前，对对象进行序列化和反序列化。
• loadtxt()和savetxt()函数处理正常的简单文本文件