numpy中的matrix与array的区别
Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的(1D,2D,3D····ND). Matrix是Array的一个小的分支,包含于Array。所以matrix 拥有array的所有特性。
在numpy中matrix的主要优势是:相对简单的乘法运算符号。例如,a和b是两个matrices,那么a*b,就是矩阵积。而不用np.dot()。如:
import numpy as npa=np.mat('4 3; 2 1') b=np.mat('1 2; 3 4') print(a) # [[4 3] # [2 1]] print(b) # [[1 2] # [3 4]] print(a*b) # [[13 20] # [ 5 8]]
matrix 和 array 都可以通过objects后面加.T
得到其转置。但是 matrix objects 还可以在后面加 .H
f得到共轭矩阵, 加 .I
得到逆矩阵。
相反的是在numpy里面arrays遵从逐个元素的运算,所以对于array:c 和d的c*d运算相当于matlab里面的c.*d运算。
c=np.array([[4, 3], [2, 1]]) d=np.array([[1, 2], [3, 4]]) print(c*d) # [[4 6] # [6 4]]
而矩阵相乘,则需要numpy里面的dot命令 :
print(np.dot(c,d)) # [[13 20] # [ 5 8]]
但是python中矩阵没有MATLAB中的.*这个性质,对于matrix对应乘法得用np.multiply()
>>> np.multiply(a,b) matrix([[ 4, 6],[6, 4]])
当然 **
运算符的作用也不一样 :
print(a**2) #矩阵乘法 # [[22 15] # [10 7]] print(c**2) #对应乘法 # [[16 9] # [ 4 1]]
问题就出来了,如果一个程序里面既有matrix 又有array,会让人脑袋大。但是如果只用array,你不仅可以实现matrix所有的功能,还减少了编程和阅读的麻烦。
当然你可以通过下面的两条命令轻松的实现两者之间的转换:np.asmatrix
和np.asarray
对我来说,numpy 中的array与numpy中的matrix,matlab中的matrix的最大的不同是,在做归约运算时,array的维数会发生变化,但matrix总是保持为2维。例如下面求平均值的运算
>>> m = np.mat([[1,2],[2,3]]) >>> m matrix([[1, 2],[2, 3]]) >>> mm = m.mean(1) >>> mm matrix([[ 1.5],[ 2.5]]) >>> mm.shape (2, 1) >>> m - mm matrix([[-0.5, 0.5],[-0.5, 0.5]])
对array 来说
>>> a = np.array([[1,2],[2,3]]) >>> a array([[1, 2],[2, 3]]) >>> am = a.mean(1) >>> am.shape (2,) >>> am array([ 1.5, 2.5]) >>> a - am #wrong array([[-0.5, -0.5],[ 0.5, 0.5]]) >>> a - am[:, np.newaxis] #right array([[-0.5, 0.5],[-0.5, 0.5]])
转载于:https://www.cnblogs.com/cymwill/p/7823148.html
numpy中的matrix与array的区别相关推荐
- python中matrix是什么意思_Python与线性代数——Numpy中的matrix()和array()的区别
Numpy中matrix必须是2维的,但是 numpy中array可以是多维的(1D,2D,3D····ND).matrix是array的一个小的分支,包含于array.所以matrix 拥有arra ...
- numpy中的ndarray与array的区别、不同
翻译自stackoverflow上的回答 https://stackoverflow.com/questions/15879315/what-is-the-difference-between-nda ...
- 论numpy中matrix 和 array的区别
论numpy中matrix 和 array的区别 原文:http://blog.csdn.net/vincentlipan/article/details/20717163 数组转换矩阵: A = ...
- python中matrix函数_使用python解线性矩阵方程(numpy中的matrix类)
这学期有一门运筹学,讲的两大块儿:线性优化和非线性优化问题.在非线性优化问题这里涉及到拉格朗日乘子法,经常要算一些非常变态的线性方程,于是我就想用python求解线性方程.查阅资料的过程中找到了一个极 ...
- python中的list和array的区别及相互转化
电脑环境 电脑环境:Windows 10 教育版 Python:python3.6 概述 python中的list是python的内置数据类型,list中的数据类不必相同的,而array的中的类型必须 ...
- Python中numpy中tile和repeat用法和区别
tile tile(数组,重复次数) tile(数组,(第1维重复次数,第2维重复次数,-,第n维重复次数)) 例子 tile(数组,(沿着第1维的轴重复次数,沿着第2维的轴重复次数,-,沿着第n维的 ...
- numpy中的matrix矩阵处理
numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中. class numpy.matr ...
- Numpy中出现“ValueError: zero-size array to reduction operation maximum which has no identity”错误的调试笔记
1 问题描述 在写作目标检测的代码时,遇到了这样的一个错误, File "/home/-/-py", line 121, in - array = array/ array.max ...
- numpy 中ravel()和flatten()区别
将多维数组降位一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.rav ...
最新文章
- Android实战技巧之六:PreferenceActivity使用详解
- 利用Matlab比较IIR和FIR,细说IIR滤波器和FIR滤波器的区别
- 调用 动态库 实现插件(windows linux)
- 软件工程概论 课堂练习 第2次作业1【思考:POS系统的对象关联】
- shell -nginx启动脚本
- 辽源天气预报软件测试,辽源天气预报15天
- 90%的人都做错的用户画像,到底应该怎么做?
- 【多目标优化求解】基于matlab人工鱼群求解多目标优化问题【含Matlab源码 442期】
- 极风云五里界IDC数据中心架构方案
- 淘淘商城第107讲——添加购物车
- java面试100题(应届生必备)
- python制作口算大师
- 产品经理必修课(4):深挖需求
- 在戴尔游匣7559上安装win10和Ubuntu16.04双系统
- T细胞培养方法进展及方法学对比
- 关于哈希表(Hashtable)个人学习理解
- XSS过关(一) 1~5关 详细
- 如何把JAR发布到maven中央仓库
- 对于2022年美联储将要加息、缩表的见解
- 机智云 大气环境参数
热门文章
- 设计一个健壮的大型文件下载系统
- 恢复VMware vSphere已孤立的虚拟机
- FireWork 制作android 应用程序 icon
- MySQL 百万级数据量分页查询方法及其优化
- binlog二进制文件解析
- Spring Cloud Netflix项目进入维护模式之我见
- 预见未来 | 数据智能的现在与未来
- 剑指offer:给定一个数组A[0,1,...,n-1],请构建一个数组B[0,1,..,n-1],其中B中的元素B[i]=A[0]*A[1]*...*A[i-1]*A[i+1]*...*A[n-1]
- 【Scratch】青少年蓝桥杯_每日一题_1.25_投球
- 数据结构-顺序查找算法的实现(C语言)