隨著機器學習技術越來越向著整個社會進行推廣，因此學好線性代數和Python當中的numpy庫就相當重要了。我們應該知道numpy庫的使用是sklearn庫和opencv庫的基礎。主要用於矩陣的計算。當然，我們做做數模或者人工神經網路建模也可以使用MATLAB。不過現在Python才是現在的主流，因為Python可以用於伺服器後臺的實現，不僅僅看可以用於科研，還可以做出一些比較實用的一些東西。如果還想用於物聯網等領域的話，則可以使用C++進行演算法的實現。因為我們在嵌入式開發當中，一般使用的是linux系統進行嵌入式開發。而在嵌入式linux系統當中的話，使用C++進行程式碼的實現佔用系統資源較少，在物聯網硬體資源有限的條件下，可以跑出極為高效的程式。如實現攝像頭人臉識別檢測，人體檢測，指紋識別等十分神奇的人工智慧識別功能。

首先開始第一部分的教程

一，陣列的實現

@requires_authorization

>>> from numpy import *

>>> a1=array([1,1,1])    #定義一個數組

>>> a2=array([2,2,2])

>>> a1+a2                #對於元素相加

array([3, 3, 3])

>>> a1*2                 #乘一個數

array([2, 2, 2])

##

>>> a1=array([1,2,3])

>>> a1

array([1, 2, 3])

>>> a1**3              #表示對陣列中的每個數做平方

array([ 1,  8, 27])

##取值，注意的是它是以0為開始座標，不matlab不同

>>> a1[1]

2

##定義多維陣列

>>> a3=array([[1,2,3],[4,5,6]])

>>> a3

array([[1, 2, 3],

       [4, 5, 6]])

>>> a3[0]             #取出第一行的資料

array([1, 2, 3])

>>> a3[0,0]           #第一行第一個資料

1

>>> a3[0][0]          #也可用這種方式

1

##陣列點乘，相當於matlab點乘操作

>>> a1=array([1,2,3])

>>> a2=array([4,5,6])

>>> a1*a2

Numpy有許多的建立陣列的函式：

import numpy as np

a = np.zeros((2,2))  # Create an array of all zeros

print a              # Prints "[[ 0.  0.]

                     #          [ 0.  0.]]"

b = np.ones((1,2))   # Create an array of all ones

print b              # Prints "[[ 1.  1.]]"

c = np.full((2,2), 7) # Create a constant array

print c               # Prints "[[ 7.  7.]

                      #          [ 7.  7.]]"

d = np.eye(2)        # Create a 2x2 identity matrix

print d              # Prints "[[ 1.  0.]

                     #          [ 0.  1.]]"

e = np.random.random((2,2)) # Create an array filled with random values

print e                     # Might print "[[ 0.91940167  0.08143941]

                            #               [ 0.68744134  0.87236687]]"

二，矩陣

#建立矩陣

>>> m=mat([1,2,3])

>>> m

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

#取值

>>> m[0]                #取一行

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

>>> m[0,1]              #第一行，第2個數據

2

>>> m[0][1]             #注意不能像陣列那樣取值了

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

  File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__

    out = N.ndarray.__getitem__(self, index)

IndexError: index 1 is out of bounds for axis 0 with size 1

#將Python的列表轉換成NumPy的矩陣

>>> list=[1,2,3]

>>> mat(list)

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

#矩陣相乘

>>> m1=mat([1,2,3])     #1行3列

>>> m2=mat([4,5,6]) 

>>> m1*m2.T             #注意左列與右行相等 m2.T為轉置操作

matrix([[32]])       

>>> multiply(m1,m2)     #執行點乘操作，要使用函式，特別注意

matrix([[ 4, 10, 18]])   

#排序

>>> m=mat([[2,5,1],[4,6,2]])    #建立2行3列矩陣

>>> m

matrix([[2, 5, 1],

        [4, 6, 2]])

>>> m.sort()                    #對每一行進行排序

>>> m

matrix([[1, 2, 5],

        [2, 4, 6]])

>>> m.shape                     #獲得矩陣的行列數

(2, 3)

>>> m.shape[0]                  #獲得矩陣的行數

2

>>> m.shape[1]                  #獲得矩陣的列數

3

#索引取值

>>> m[1,:]                      #取得第一行的所有元素

matrix([[2, 4, 6]])

>>> m[1,0:1]                    #第一行第0個元素，注意左閉右開

matrix([[2]])

>>> m[1,0:3]

matrix([[2, 4, 6]])

>>> m[1,0:2]

matrix([[2, 4]])

三，擴充套件矩陣實現函式tile()

>>>x=mat([0,0,0])

>>> x

matrix([[0, 0, 0]])

>>> tile(x,(3,1))           #即將x擴充套件3個，j=1,表示其列數不變

matrix([[0, 0, 0],

        [0, 0, 0],

        [0, 0, 0]])

>>> tile(x,(2,2))           #x擴充套件2次，j=2,橫向擴充套件

matrix([[0, 0, 0, 0, 0, 0],

        [0, 0, 0, 0, 0, 0]])

差不多也就這樣了，如果學完numpy庫的使用，那您運用計算機進行矩陣的計算能力一定會大大提升的。