numpy教程：矩阵matrix及其运算

矫情吗；* 2022-08-09 00:44 292阅读 0赞

http://[blog.csdn.net/pipisorry/article/details/48791403][blog.csdn.net_pipisorry_article_details_48791403]

**numpy矩阵简介**

NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中NumPy函数库中的matrix与MATLAB中matrices等价。

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。

**关于numpy中矩阵和二维数组的取舍**

matrix是array的分支，matrix和array在很多时候都是通用的，但官方建议如果两个可以通用，那就选择array，因为array更灵活，速度更快，很多人把二维的array也翻译成矩阵。  
matrix的优势就是相对简单的运算符号，如矩阵相乘用符号\*，但是array相乘得用方法.dot()。

Note: array \* mat也是矩阵相乘，而不是点乘。

array的优势就是不仅仅表示二维，还能表示3、4、5...维，而且在大部分Python程序里，array也是更常用的。

**Note**:

1. numpy中二维数组不支持求逆运算（给gui），但可以使用scripy中的linalg.inv()函数求逆。

2. lz建议使用二维ndarray代替matrix，结合使用scripy.linalg库可以实现全部矩阵运算。\[[Scipy教程 - 线性代数库linalg][Scipy_ - _linalg]\]

[皮皮Blog][Blog]

**Matrix objects矩阵对象**

**创建示例**

**np.matrix**

>>> a = np.matrix(’1 2; 3 4’)  
>>> print a  
\[\[1 2\]  
\[3 4\]\]

>>> np.matrix(\[\[1, 2\], \[3, 4\]\])  
matrix(\[\[1, 2\],  
\[3, 4\]\])

**Note**:

1. class numpy.matrix(data,dtype,copy):返回一个矩阵，其中data为ndarray对象或者字符形式；dtype:为data的type；copy:为bool类型。

2. 矩阵的换行必须是用分号(;)隔开，内部数据必须为字符串形式(‘ ’)，矩阵的元素之间必须以空格隔开。

3. 矩阵中的data可以为数组对象。

**np.asmatrix**

>>> x = np.array(\[\[1, 2\], \[3, 4\]\])  
>>> m = np.asmatrix(x)  
>>> x\[0,0\] = 5  
>>> m  
matrix(\[\[5, 2\],  
\[3, 4\]\])

**矩阵对象属性Attribute**

![Center][]

**矩阵对象方法Methods**

![Center 1][]

![Center 2][]

\[numpy-ref-1.8.1 - 1.6.2 Matrix objects p120\]

**Matrix矩阵对象方法使用示例**

>>> a = np.asmatrix('0 2 7; 3 4 8; 5 0 9')
    >>> a.all()
    False
    >>> a.all(axis=0)
    matrix([[False, False,  True]], dtype=bool)
    >>> a.all(axis=1)
    matrix([[False],
    [ True],
    [False]], dtype=bool)
    
    ü  Astype方法
    >>> a.astype(float)
    matrix([[ 12.,   3.,   5.],
    [ 32.,  23.,   9.],
    [ 10., -14.,  78.]])
    
    ü  Argsort方法
    >>> a=np.matrix('12 3 5; 32 23 9; 10 -14 78')
    >>> a.argsort()
    matrix([[1, 2, 0],
    [2, 1, 0],
    [1, 0, 2]])
    
    ü  Clip方法
    >>> a
    matrix([[ 12,   3,   5],
    [ 32,  23,   9],
    [ 10, -14,  78]])
    >>> a.clip(12,32)
    matrix([[12, 12, 12],
    [32, 23, 12],
    [12, 12, 32]])
    
    ü  Cumprod方法
    >>> a.cumprod(axis=1)
    matrix([[    12,     36,    180],
    [    32,    736,   6624],
    [    10,   -140, -10920]])
    
    ü  Cumsum方法
    >>> a.cumsum(axis=1)
    matrix([[12, 15, 20],
    [32, 55, 64],
    [10, -4, 74]])
    
    ü  Tolist方法
    >>> b.tolist()
    [[12, 3, 5], [32, 23, 9], [10, -14, 78]]
    
    ü  Tofile方法
    >>> b.tofile('d:\\b.txt')
    
    ü  compress()方法
    >>> from numpy import *
    >>> a = array([10, 20, 30, 40])
    >>> condition = (a > 15) & (a < 35)
    >>> condition
    array([False, True, True, False], dtype=bool)
    >>> a.compress(condition)
    array([20, 30])
    >>> a[condition]                                      # same effect
    array([20, 30])
    >>> compress(a >= 30, a)                              # this form a
    so exists
    array([30, 40])
    >>> b = array([[10,20,30],[40,50,60]])
    >>> b.compress(b.ravel() >= 22)
    array([30, 40, 50, 60])
    >>> x = array([3,1,2])
    >>> y = array([50, 101])
    >>> b.compress(x >= 2, axis=1)                       # illustrates 
    the use of the axis keyword
    array([[10, 30],
    [40, 60]])
    >>> b.compress(y >= 100, axis=0)
    array([[40, 50, 60]])

[皮皮Blog][Blog]

**The Matrix class numpy矩阵类**

**建立矩阵**

![Center 3][]

**Note**: numpy.mat(data, dtype=None)   Interpret the input as a matrix.  
Unlike matrix, asmatrix does not make a copy if the input is already a matrix or an ndarray. Equivalent to matrix(data, copy=False).

\[numpy-ref-1.8.1 - 3.1.7 The Matrix class p484\][  
][Blog]

[皮皮Blog][Blog]

**Matrix library矩阵库**(numpy.matlib)

This module contains all functions in the numpy namespace, with the following replacement functions that return matrices instead of ndarrays.

**Functions that are also in the numpy namespace and return matrices**

![Center 4][]

**Replacement functions in matlib**

![Center 5][]

\[numpy-ref-1.8.1 - 3.21 Matrix library p940\]

from:[http://blog.csdn.net/pipisorry/article/details/48791403][blog.csdn.net_pipisorry_article_details_48791403]

[blog.csdn.net_pipisorry_article_details_48791403]: http://blog.csdn.net/pipisorry/article/details/48791403
[Scipy_ - _linalg]: http://blog.csdn.net/pipisorry/article/details/43277755
[Blog]: http://blog.csdn.net/pipisorry
[Center]: /images/20220731/d71757557993495fa717c90c912cc2af.png
[Center 1]: /images/20220731/f3fd5e8c857446a18ea2cf32c8fecfd7.png
[Center 2]: /images/20220731/23ce81c4aac941fdafc851e88927725d.png
[Center 3]: /images/20220731/ef7b2e34cc2c41c89e548d824e3ab922.png
[Center 4]: /images/20220731/806706f9037542b3bbd7be7f6873b84f.png
[Center 5]: /images/20220731/f1e42e20c86b4db9aab435ee33e9e19c.png