线性代数
NumPy 的线性代数模块 np.linalg 提供矩阵运算：求逆、行列式、特征值、解方程。机器学习算法底层大量用它。
常用函数
np.linalg.inv 求逆、det 行列式、eig 特征值、solve 解线性方程组、norm 范数、lstsq 最小二乘。
代码示例
import numpy as np
A = np.array([[2, 1], [1, 3]])
b = np.array([3, 5])
# 解方程组 2x+y=3, x+3y=5
x = np.linalg.solve(A, b)
print("解:", x) # x=0.8, y=1.4
# 验证
print("验证:", A @ x)
# 求逆
print("逆矩阵:\n", np.linalg.inv(A))
# 行列式
print("行列式:", np.linalg.det(A))
# 特征值
w, v = np.linalg.eig(A)
print("特征值:", w)📚 Python 语法速查
常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。
| 写法 / 语法 | 作用 |
|---|---|
print("hello") | 输出到控制台 |
name = "张三" | 变量赋值（无需声明类型） |
if x > 0: ... | 条件判断（注意冒号和缩进） |
for i in range(10): ... | 循环（缩进是语法的一部分） |
while x < 10: ... | 条件循环 |
def fn(a, b): return a + b | 定义函数 |
class Person: ... | 定义类 |
list = [1, 2, 3] | 列表（可改） |
tuple = (1, 2) | 元组（不可改） |
dict = {"key": "value"} | 字典（键值对） |
set = {1, 2, 3} | 集合（去重） |
len(obj) | 取长度 |
str(x) / int(x) / float(x) | 类型转换 |
s.split(",") | 字符串按分隔符拆分 |
" ".join(list) | 列表拼接成字符串 |
import os | 导入模块 |
from math import sqrt | 从模块导入指定函数 |
try: ... except Exception as e: ... | 异常捕获 |
with open("a.txt", "r") as f: ... | 文件读取（自动关闭） |
f"你好 {name}" | f-string 格式化 |
lambda x: x * 2 | 匿名函数 |
list(map(fn, arr)) | 函数式处理列表 |
range(start, stop, step) | 生成数字序列 |
if __name__ == "__main__": | 主入口判断 |
pip install 包名 | 安装第三方包（命令行） |