numpy建立多對角矩陣方法：
例如：用此方法建立63*63的三對角矩陣：
v1 = [-2]*63
x1 = np.diag(v1)
v2 = [1]*62
y1 = np.diag(v2,1)
v3 = [1]62
z1 = np.diag(v3,-1)
dxx = (1/h**2)(x1+y1+z1) #最終的三對角矩陣
numpy建立矩陣svd分解方法：
利用svd方法可求解對稱正定矩陣的1/2次方
numpy向量和矩陣的範數：
numpy通用函式設定，可自定義通用函式：
矩陣lu分解：
import numpy as np
import scipy
from scipy import linalg
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
df = scipy.linalg.lu(a)
df[0] 為初等矩陣，l為 單位下三角，u上三角
矩陣特徵值求解：
val,vic=np.linalg.eig(a)
val為特徵值（總感覺第乙個特徵值是模最大的特徵值），vic為特徵向量
矩陣分解成上三角矩陣：
np.triu(a,k=0) 這裡預設k = 0，表示選取對角元在內的上三角矩陣
通過調整k=1,2，可得到不同的上三角矩陣
建立值全為0，或1的矩陣
例：s = (6,6)
a = np.ones(s)--------------------->得到6×6的全1矩陣
a = np.zeros(s)--------------------->得到6×6的全0矩陣
取numpy矩陣的某幾行某幾列方法：
numpy常用方法
資料的載入 常用引數 np.loadtext frame,delimiter,dtype,skiprows,usecols,unpack egfile path np.loadtext file path,delimiter dtype int skiprows 0,usecols 0 unpack...
numpy 數學和統計方法
一組數學函式，計算整個陣列或乙個軸向上資料的統計，和陣列函式一樣是容易訪問的。聚合 通常被稱為 reductions 如sun，mean，標準偏差std可以使用陣列例項的方法，也可以使用頂層numpy的函式 in 151 arr np.random.randn 5,4 正態分佈資料 in 152 a...
numpy的常用方法
進行操作前首先匯入numpy模組 import numpy as npdata np.arange 12 reshape 3,4 data 0,0 80 print data 1.獲取最大值和最小值的位置 獲取當前陣列裡面最大值的索引 max item1 np.argmax data print m...