要返回 Python NumPy 线性代数中矩阵或向量的范数，请使用 LA.norm() 方法。第一个参数 x 是输入数组。如果 axis 为 None，则 x 必须是一维或二维的，除非 ord 为 None。如果 axis 和 ord 都为 None，则返回 x.ravel 的 2 范数。第二个参数 ord 是范数的阶数。inf 表示 NumPy 的 inf 对象。默认为 None。第三个参数 axis，如果为整数，则指定沿其计算向量范数的 x 轴。如果 axis 是一个 2 元组，则它指定…… 阅读更多

要计算复 Hermitian 矩阵或实对称矩阵的特征值，请使用 numpy.eigvalsh() 方法。该方法返回按升序排列的特征值，每个特征值根据其重数重复出现。第一个参数 a 是一个复数或实数值矩阵，其特征值将被计算。第二个参数 UPLO 指定计算是使用 a 的下三角部分（'L'，默认值）还是上三角部分（'U'）。无论此值如何，在计算中都只考虑对角线的实部，以保持 Hermitian 矩阵的概念。因此，它遵循…… 阅读更多

要返回 Cholesky 分解，请使用 numpy.linalg.cholesky() 方法。返回方阵 a 的 Cholesky 分解 L * L.H，其中 L 是下三角矩阵，.H 是共轭转置运算符。a 必须是 Hermitian 且正定的。不会执行任何检查以验证 a 是否为 Hermitian。此外，只使用 a 的下三角和对角元素。实际上只返回 L。然后参数 a 是 Hermitian（如果所有元素都是实数，则为对称），正定的输入矩阵。该方法返回 a 的上或下三角 Cholesky 因子。如果 a 是…… 阅读更多

要获取 4D 和 3D 维数组的 Kronecker 积，请在 Python NumPy 中使用 numpy.kron() 方法。计算 Kronecker 积，一个由第一个数组缩放的第二个数组块组成的复合数组。该函数假设 a 和 b 的维数相同，如有必要，则用 1 预先添加最小的维数。如果 a.shape = (r0, r1, .., rN) 且 b.shape = (s0, s1, ..., sN)，则 Kronecker 积的形状为 (r0*s0, r1*s1, ..., rN*SN)。元素是来自 a 和 b 的元素的乘积，通过 −kron(a, b)[k0, k1, ..., kN] 明确组织…… 阅读更多

要返回对象的 Python 类型标量 dtype 或 NumPy 等效类型，请使用 numpy.obj2sctype() 方法。第一个参数是返回类型的对象。如果给出，则默认参数将返回给无法确定类型的对象。如果没有给出，则对于这些对象返回 None。步骤首先，导入所需的库 −import numpy as np 要返回对象的 Python 类型标量 dtype 或 NumPy 等效类型，请使用 numpy.obj2sctype() 方法 −print("在 NumPy 中使用 obj2sctype() 方法") 检查 int −print("结果...", np.obj2sctype(np.array([45, 89]))) print("结果...", np.obj2sctype(np.array([389, 7985]))) 检查 float −print("结果...", np.obj2sctype(np.float32)) print("结果...", np.obj2sctype(np.float64)) print("结果...",…… 阅读更多

要返回如果两个数组的所有条目都相等则为 True，否则为 False，请使用 Python NumPy 中的 ma.allequal() 方法。如果两个数组在给定的容差范围内相等，则返回 True，否则返回 False。如果任一数组包含 NaN，则返回 False。fill_value 设置 a 或 b 中的掩码值是否被认为相等 (True) 或不相等 (False)。掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask，表示关联数组的任何值都是无效的，要么是布尔值的数组，用于确定关联数组的每个元素是否…… 阅读更多

要裁剪（限制）数组中的值，请在 Python NumPy 中使用 np.ma.clip() 方法。“out”参数是结果将在此数组中放置的位置。它可以是用于就地裁剪的输入数组。out 必须具有正确的形状才能容纳输出。它的类型将被保留。给定一个区间，区间外的值将被裁剪到区间边缘。例如，如果指定 [0, 1] 的区间，则小于 0 的值变为 0，大于 1 的值变为 1。等效于但比 np.minimum(a_max, np.maximum(a, a_min)) 更快。该函数返回一个…… 阅读更多

要裁剪（限制）数组中的值，请在 Python NumPy 中使用 np.ma.clip() 方法。给定一个区间，区间外的值将被裁剪到区间边缘。例如，如果指定 [0, 1] 的区间，则小于 0 的值变为 0，大于 1 的值变为 1。等效于但比 np.minimum(a_max, np.maximum(a, a_min)) 更快。out 是结果将在此数组中放置的位置。它可以是用于就地裁剪的输入数组。out 必须具有正确的形状才能容纳输出。它的类型将被保留。该函数返回一个具有…… 阅读更多

要生成范德蒙矩阵，请在 Python NumPy 中使用 np.ma.vander() 方法。使用 N 参数设置输出中的列数。如果未指定 N，则返回一个方阵 (N = len(x))。输出矩阵的列是输入向量的幂。幂的顺序由递增布尔参数确定。具体来说，当 increasing 为 False 时，第 i 个输出列是输入向量逐元素提高到 N - i - 1 的幂。这样一个在每一行都有几何级数的矩阵以 Alexandre-Theophile Vandermonde 的名字命名。步骤在…… 阅读更多

要生成范德蒙德矩阵，可以使用Python NumPy中的`np.ma.vander()`方法。范德蒙德矩阵（以 Alexandre-Théophile Vandermonde 命名）是一个矩阵，其每一行都包含一个几何级数的项。输出矩阵的列是输入向量的幂。幂的顺序由布尔参数`increasing`决定。具体来说，当`increasing`为False时，第i列输出是输入向量逐元素地提升到N - i - 1次幂。这种每一行都包含几何级数的矩阵，是以 Alexandre-Théophile Vandermonde 命名的。步骤首先，导入所需的库……阅读更多