Matrix Calculation(Matrix multiplication)/행렬의 연산 Python으로 구현하기

NumPy를 이용한 선형대수

import numpy as pd

np.arry([])

이는 list 안에 list를 담는 list와는 또 다른 데이터 구조이며 

2차원 list, 2차원 array, 2차원 matrix 등으로 표현 되기도 합니다.

1D vs 2D NumPy Arrays

행과 열의 명확한 구분을 하기 위해서는 2D array를 사용해야한다. 

a = np.array([[1,2,3]])

a = np.array([[1],[2],[3]])

한 [ ] 의 묶음이 한 행이라 생각하면 된다!

NumPy Array와 Matrix는 다릅니다.

np.mat(';') 

NumPy에는 martrix라는 클래스 또한 있지만, 이후에 제거될 것으로 고려 중인 항목이니 사용하길 권장하지 않는다. 

 

그냥 matrix라는게 있구나 정도만..다른 문서나 튜토리얼에서 사용하는 경우 array의 사용법과 헷갈리지 않도록 주의하기 (대부분의 경우 matrix로 할 수 있는 것은 array로도 할 수 있당!)

 

Matrix multiplication

 

np.matmul(a,b)

a = np.array([[1],[2],[3]])
b = np.array([[1,2,3],[4,5,6],[7,8,9]])]

print(np.matmul(a,b))

Transpose

df.T

 

역행렬

np.linalg.inv()

a = np.array([[1,2],[3,4]])
#역행렬 
a_inv = np.linalg.inv(a)

#Determinant ->det(a) or |a|
a_det = np.linalg.det(a)

 

단위행렬

I = np.eye(n).astype(int)

#I = np.eye(n).astype(int)
#n에는 정수대입
I = np.eye(3).astype(int)