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 ...

numpy中的matrix与array的区别

numpy中的matrix与array的区别相关推荐

最新文章

热门文章