8.9.函数库

import numpy as np

Windows 10
Python 3.7.3 @ MSC v.1915 64 bit (AMD64)
Latest build date 2020.04.11
numpy version:  1.18.1

随机数库

函数	说明
`seed`	确定随机数生成器的种子
`permutation`	返回一个序列的随机排列或返回一个随机排列的范围
`shuffle`	对一个序列就地随机排列
`rand`	产生均匀分布的样本值
`randint`	从给定的上下限范围内随机选取整数
`randn`	产生正态分布（平均值为0,标准差为1)的样本值，类似于MATLAB接口
`binomial`	产生_项分布的样本值
`normal`	产生正态（高斯）分布的样本值
`beta`	产生Beta分布的样本值
`chisquare`	产生卡方分布的样本值
`gamma`	产生Gamma分布的样本值
`uniform`	产生在[0,1)中均匀分布的样本值

np.random.choice(a, size=None, replace=True, p=None)：从一维数组a中随机抽取样本量为size的样本。a必须是一维的。replace控制是否重复抽样，p是a的概率分布，p和a必须有相同的size。

a = [1,2,3,4,5,6,7,8,9]
np.random.choice(a, size=(2,2), replace=False, p=None)

array([[1, 8],
       [3, 7]])

常用的numpy.linalg函数：

函数	说明
`diag`	以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0)
`dot`	矩阵乘法
`trace`	计算对角线元素的和
`det`	计算矩阵行列式
`eig`	计算方阵的本征值和本征向量
`inv`	计算方阵的逆
`pinv`	计算矩阵的Moore-Penrose伪逆
`qr`	计算QR分解
`svd`	计算奇异值分解（SVD)
`solve`	解线性方程组$Ax = b$，其中$A$为一个方阵
`Istsq`	计算$Ax = b$的最小二乘解