最近使用python進(jìn)行數(shù)據(jù)處理，需要計算矩陣的特征值和特征向量，然后對特征值由小到大排序，去前k個特征值對應(yīng)的特征向量（其實是自己實現(xiàn)雙向2D PCA算法），感覺numpy中實現(xiàn)這個算法的方式很巧妙。

假設(shè)已經(jīng)計算好了特征值evals=[0,2,5,3,1]和對應(yīng)的特征向量evecs=[[1,1],[2,3],[4,5],[7,7],[6,8]]。首先要對特征值排序，這里要用到argmax這個函數(shù)：

上面得到的sorted_indices就是特征值排序后的結(jié)果，巧妙的是這里是用數(shù)組下標(biāo)來表示的，也就是說其中存放的是特征值由小到大的順序排序時對應(yīng)的下標(biāo)[0, 4, 1, 3, 2]，而不是直接存放特征值。

下一步就是取前k大的特征向量了：

一句話就可以搞定了，這里利用的numpy數(shù)組的便利。

numpy數(shù)組的索引除了指定第一維外，還可以指定特定的列數(shù)，上面的evecs[ : , …]逗號后面省略的部分就是指定對應(yīng)要保留的特征向量的列號（特征向量按列存放）。

sorted_indices[:-k-1:-1]則利用切片的語法特性，保留了前K大的特征值對應(yīng)的下標(biāo)。切片有三個參數(shù)[start : end : step]，當(dāng)step為-1時，表示逆序，從最后一個元素開始，一直到第end+1個元素為止。sorted_indices[:-k-1:-1]則表示從最后一個元素一直到第k個為止的所有下標(biāo)，也就是前k大的特征值對應(yīng)的下標(biāo)。

這樣通過很簡潔的語句，就完成了將特征值排序并取前k大特征值對應(yīng)的特征向量這一功能。