numpy中matrix和array的区别

最新推荐文章于 2024-07-30 13:21:27 发布

原创最新推荐文章于 2024-07-30 13:21:27 发布 · 455 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#numpy #matrix #np #array #mat

本文探讨了matrix与array在Python中的不同之处，强调了两者在维度处理、运算方式及转换方面的特点。具体而言，matrix主要用于简化矩阵乘法运算，并始终保持二维形式；而array则更灵活，支持多种维度且在进行某些操作时会改变形状。

Python3.8

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

matrix必须是两维的，array可以是多维的（1D，2D，3D，4D）
matrix是array的一个小的分支，包含与array，所有拥有array的所有特性

maxtrix主要优势是：相对简单的乘法运算符号，比如如果a、b都是maxtrix，那么a*b就是矩阵乘积
array矩阵要矩阵相乘要用np.dot

a = np.mat('4 3; 2 1')
b = np.mat('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matrix objects还可以在后面加.H得到共轭矩阵，加.I得到逆矩阵
两个切换：
np.asmatrix和np.asarray
最大的不同是:
做np.mean运算的时候，array的维度会发生变化，maxtix总保持2维

>>> 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)      # 维度不变

------------------------------------

>>> a = np.array([[1,2],[2,3]])
>>> a
array([[1, 2],
       [2, 3]])
>>> am = a.mean(1)
>>> am
array([1.5, 2.5])
>>> am.shape
(2,)        # 维度改变