Python笔记1——以numpy包为主

# 数组是不能转置的
a = np.array([1, 2, 3])  # a.shape = (3, )
b = np.array([[1, 2, 3]])  # b.shape = (1, 3)

c = a.T  # c.shape = (3, )
d = a.T  #d.shape = (3, 1)
# 可以用reshape处理
e = b.reshape(-1, 1) #变成一列的向量

# 从矩阵只能取出行数组
a = np.array([[1, 2],[3, 4]])
b = a[:, 1] # b为a的第二列

#这时候 b.shape=(2, )
#也就是说即使取的是列向量，得到的依然是行数组

np.vdot(a, b)  # 向量a和b的内积
np.dot(A, B)  # 正常意义下的矩阵乘法
A * B  # 两个矩阵对应位置相乘

# 矩阵拼接
np.concatenate((A, B), axis)
# axis=0时是竖着拼 axis=1是横着拼
# 第一个变量放的是所有要拼在一起的矩阵构成的元组

np.zeros((m, n)) # m*n的零矩阵
np.ones((m, n)) # m*n的元素全为1的矩阵
np.eye(n) # n*n的单位对角阵

np.linalg.solve(A, b)  # 得到线性方程组Ax=b的解

#画图
import matplotlib.pyplot as plt

plt.scatter(test_X, y_hat, s = 8)  # 散点图 s为点的大小
plt.title("Training Data with deg=0")  # 图例
plt.savefig("pj1_2_deg0.jpg")  # 存图片