NumPy Numeric
矩阵、向量乘积
Function |
Desc |
dot(a,b[,out]) |
a 最后轴与b 倒数第二轴的点积,即shape满足线代要求 |
inner(a,b[,out]) |
a 最后轴与b 最后轴的点积 |
vdot(a,b) |
向量点积,多维将被展平 |
outer(a,b[,out]) |
向量外积,多维将被展平 |
matmul(x1,x2,/[,out,casting,order,...]) |
矩阵乘积 |
tensordot(a,b[,axes]) |
沿指定轴计算张量积 |
einsum(subscripts,*operands[,out,dtype,...]) |
Einstein求和约定 |
einsum_path(subscripts,*operands[,optimize]) |
考虑中间数组情况下评估计算表达式最小代价 |
linalg.matrix_power(a,n) |
方阵幂 |
kron(a,b) |
Kronecker积(矩阵外积,分块) |
trace(a[,offset,axis1,axis2,dtype,out]) |
迹 |
其他
|Function|Desc|
|np.i0(X)
|第1类修改的Bessel函数,0阶|
np.linalg
- NumPy的线代基于BLAS、LAPACK提供高效的标准底层实现
- 依赖库可以是NumPy提供的C版本子集
- 也可是针对特定平台优化的库(更好)
np.linalg
Function |
Desc |
multi_dot(arrays) |
自动选择最快的计算顺序计算内积 |
cholesky(a) |
cholesky分解 |
det(a) |
行列式 |
eig(a) |
特征值、特征向量(右乘) |
eigh(a[,UPLO]) |
Hermitian(共轭对称)或实对称矩阵特征值、特征向量 |
eigvals(a) |
特征值 |
eigvalsh(a[,UPLO]) |
Hermitian(共轭对称)或实对称矩阵特征值 |
inv(a) |
矩阵逆 |
lstsq(a,b[,rcond]) |
最小二乘解 |
norm(x[,ord,axis,keepdims]) |
矩阵、向量范数 |
pinv(a[,rcond,hermitian]) |
Moore-Penrose伪逆 |
solve(a,b) |
线程方程组求解 |
tensorsolve(a,b[,axes]) |
张量方程组求解 |
tensorrinv(a[,ind]) |
张量逆 |
svd(a[,full_matrices,compute_uv,hermitian]) |
奇异值分解 |
qr(a[,mode]) |
QR分解 |
matrix_rank(M[,tol,hermitian]) |
使用SVD方法计算矩阵秩 |
slogdet(a) |
行列式的符号、自然对数 |
- 部分线代函数支持传入高维数组、数组序列,同时计算结果
(快速)傅里叶变换np.fft
Standard FFTs
Function |
Desc |
fft(a[,n,axis,norm]) |
1维离散傅里叶变换 |
fft2(a[,n,axes,norm]) |
2维离散FFT |
fftn(a[,n,axes,norm]) |
N维离散FFT |
ifft(a[,n,axis,norm]) |
1维离散逆FFT |
ifft2(a[,n,axes,norm]) |
2维离散逆FFT |
ifftn(a[,n,axes,norm]) |
N维离散逆FFT |
Real FFTs
Function |
Desc |
rfft(a[,n,axis,norm]) |
1维离散傅里叶变换 |
rfft2(a[,n,axes,norm]) |
2维离散FFT |
rfftn(a[,n,axes,norm]) |
N维离散FFT |
irfft(a[,n,axis,norm]) |
1维逆离散FFT |
irfft2(a[,n,axes,norm]) |
2维离散逆FFT |
irfftn(a[,n,axes,norm]) |
N维离散逆FFT |
Hermitian FFTs
Function |
Desc |
hfft(a[,n,axis,norm]) |
Hermitian对称(实谱)的信号的FFT |
ihfft(a[,n,axis,norm]) |
Hermitian对称(实谱)的信号的逆FFT |
其他
Function |
Desc |
fftfreq(n[,d]) |
离散FFT样本频率 |
rfftfreq(n[,d]) |
|
fftshift(x[,axes]) |
平移0频成分到频谱中间 |
ifftshift(x[,axes]) |
np.lib.scimath
np.emath
是np.lib.scimath
模块的推荐别名