1. 定義ndarray和matrix

from numpy import *a = mat([[1,2],[3,4]]) b = mat([[5,6],[7,8]]) c = array([1,2],[3,4]) d = array([5,6],[7,8])

看看輸出他們會(huì)不會(huì)有什么區(qū)別

print(a) print(c)>>[[1 2][3 4]] [[1 2][3 4]] #發(fā)現(xiàn)輸出的matrix和array是一模一樣的 print(type(a)) print(type(c))>> <class 'numpy.matrix'><class 'numpy.ndarray'>

2. ndarray可以是任意維數(shù)，matrix只能是2維

A = array([[[1,2]]]) #正常不報(bào)錯(cuò) B = mat([[[1,2]]]) #報(bào)錯(cuò)>>ValueError: matrix must be 2-dimensional

3. 乘法

3.1 ndarray

3.1.1 叉乘

print(c) print(d) print(np.dot(c,d))>>[[1 2][3 4]][[5 6][7 8]][[19 22][43 50]] #可以看出ndarray也可以像矩陣一樣進(jìn)行叉乘,但需要滿足矩陣叉乘的條件（第一個(gè)矩陣的列數(shù)等于第二個(gè)矩陣的行數(shù)）

3.1.2 普通乘法

print(c) print(d) print(c*d)>>[[1 2][3 4]] [[5 6][7 8]] [[ 5 12][21 32]] #普通乘法是對(duì)應(yīng)位置元素相乘

3.2 matrix

3.2.1 叉乘

print(a) print(b) print(np.dot(a,b))>>[[1 2][3 4]][[5 6][7 8]][[19 22][43 50]] #矩陣叉乘

3.2.2 普通乘法

print(a) print(b) print(a*b)>>[[1 2][3 4]][[5 6][7 8]][[19 22][43 50]] #這里發(fā)現(xiàn)對(duì)于矩陣運(yùn)算符"*"直接對(duì)應(yīng)的是叉乘，和np.dot()效果相同 print(a) print(b) print(np.multiply(a,b))>>[[1 2][3 4]][[5 6][7 8]][[ 5 12][21 32]] #如果非要對(duì)矩陣進(jìn)行普通乘法，可以通過np.multiply()實(shí)現(xiàn)

那么ndarray和matrix能否混合做乘法呢，結(jié)果是點(diǎn)乘還是叉乘呢？

print(a) print(b) print(a*d)>>[[1 2][3 4]] [[5 6][7 8]] [[19 22][43 50]] #可以對(duì)matrix和ndarray進(jìn)行混合乘法，這里的運(yùn)算符"*"是叉乘

當(dāng)然啦也可以通過np.multiply()對(duì)matrix和ndarray進(jìn)行點(diǎn)乘

print(a) print(b) print(np.multiply(a,d))>>[[1 2][3 4]][[5 6][7 8]][[ 5 12][21 32]]

4. ndarray和matrix互相轉(zhuǎn)換

4.1 matrix → ndarray

使用matrix對(duì)象的A屬性或者np.asarray()方法

e = a.A f = np.asarray(a) print(type(e)) print(e) print(type(f)) print(f)>><class 'numpy.ndarray'> [[1 2][3 4]] <class 'numpy.ndarray'> [[1 2][3 4]] #這兩種方法都可以將matrix轉(zhuǎn)化為ndarray

但是需要注意注意通過轉(zhuǎn)化得到的ndarray（在這里是e和f）和原始matrix（這里是a）共享內(nèi)存空間，修改了a之后e和f的值也會(huì)被修改

a[1,1] = 2 print(e) print(f)>>[[1 2][3 2]] [[1 2][3 2]] #在修改了a中元素的值后e，f的值都隨之改變

當(dāng)然了，在改變e或f的值后，a的值也會(huì)隨之改變

e[1,1] = 3 print(a)>>[[1 2][3 3]]

4.2?ndarray?→?matrix

使用np.asmatrix()方法

e = np.asmatrix(c) print(e)>>[[1 2][3 4]]

同樣的，通過轉(zhuǎn)化得到的matrix和原始ndarray共享內(nèi)存空間

5. ndarray和matrix的其他區(qū)別

5.1 matrix更多的操作方法

matrix 和 array 都可以通過objects后面加.T 得到其轉(zhuǎn)置。但是 matrix objects 還可以在后面加 .H f得到共軛矩陣, 加 .I 得到逆矩陣。

5.2 **運(yùn)算符

** 運(yùn)算符的作用也不一樣 ：因?yàn)閍是個(gè)matrix，所以a**2返回的是a*a，相當(dāng)于矩陣相乘。而c是array，c**2相當(dāng)于，c中的元素逐個(gè)求平方

5.3 matrix維數(shù)總保持2維

ndarray與matrix的最大的不同是，在做歸約運(yùn)算時(shí)，ndarray的維數(shù)會(huì)發(fā)生變化，但matrix總是保持為2維。例如下面求對(duì)行求平均值的運(yùn)算

print("matrix") print(a) print(a.mean(1)) print("ndarray") print(c) print(c.mean(1))>>matrix [[1 2][3 4]] [[1.5][3.5]] ndarray [[1 2][3 4]] [1.5 3.5]

參考：https://blog.csdn.net/lylclz/article/details/79843437

轉(zhuǎn)載于:https://www.cnblogs.com/RB26DETT/p/10974966.html

總結(jié)

以上是生活随笔為你收集整理的python中ndarray和matrix的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。