python_numpy_中的matrix与array的区别

「爱情、让人受尽委屈。」 2022-12-28 11:23 128阅读 0赞

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 np
    
    a=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]]

![485a6592ebc35d8e822fa38dcc86bd01.png][]

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]]

![104c03d860f85b8c965858ed52603d66.png][]

而矩阵相乘，则需要numpy里面的dot命令 :

print(np.dot(c,d))
    # [[13 20]
    #  [ 5  8]]

![74f8cf6b90e994fa0f2377d3c6b7f3db.png][]

**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]]

![e5fbd1d8012764afc6dc8e48a92e24db.png][]

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]])

![d81a16cadbac8e67f378adac824a1f1d.png][]

[485a6592ebc35d8e822fa38dcc86bd01.png]: /images/20221120/1c5b16b0d79145e9a69d5cfe1d824462.png
[104c03d860f85b8c965858ed52603d66.png]: /images/20221120/8d61e63b30aa4c6fb5bb4fd3970f4804.png
[74f8cf6b90e994fa0f2377d3c6b7f3db.png]: /images/20221120/160d5b54c0bf42c78b78516038e99c23.png
[e5fbd1d8012764afc6dc8e48a92e24db.png]: /images/20221120/99eb1f00a8a84b53a1d54f0f20b80298.png
[d81a16cadbac8e67f378adac824a1f1d.png]: /images/20221120/08b8a88e8ebf47fa9ce1debe108a2606.png