numpy中matrix 和 array的區別

Numpy matrices必須是2維的,但是 numpy arrays (ndarrays) 可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含于Array。所以matrix 擁有array的所有特性。

在numpy中matrix的主要優勢是：
（1）相對簡單的乘法運算符號。
例如，a和b是兩個matrices，那么a*b，就是矩陣積。

>>> import numpy as np >>> a=np.mat('4 3; 2 1') >>> b=np.mat('1 2; 3 4') >>> a matrix([[4, 3],[2, 1]]) >>> b matrix([[1, 2],[3, 4]]) >>> a*b matrix([[13, 20],[ 5, 8]])

（2）matrix 和 array 都可以通過objects后面加.T 得到其轉置。但是 matrix objects 還可以在后面加 .H得到共軛矩陣, 加 .I 得到逆矩陣。相反的是在numpy里面arrays遵從逐個元素的運算，所以array：c 和d的c?d運算相當于對應的元素相乘

>>> c=np.array([[4, 3], [2, 1]]) >>> d=np.array([[1, 2], [3, 4]]) >>> c*d array([[4, 6],[6, 4]])

（3） ?? 運算符的作用也不一樣 ：

>>> a**2 matrix([[22, 15],[10, 7]]) >>> c**2 array([[16, 9],[ 4, 1]])

因為a是個matrix，所以a??2返回的是a?a，相當于矩陣相乘。而c是array，c??2相當于，c中的元素逐個求平方。

（3）numpy中矩陣間的除法運算

>>> a/2 matrix([[2, 1],[1, 0]]) >>> a/b matrix([[4, 1],[0, 0]])

取得是整數

基本運算

import numpy as np a = np.mat([[-1,2],[2,3]]) b = np.mat([[3,4],[4,5]]) print 'a:\n',a print 'b:\n',b print '\n a transpose:\n',a.T #轉置 print '\n a inv:\n',np.linalg.inv(a) # 求逆 print "\n a-b: \n",a-b # a - b，矩陣相減 print "\n a dot b: \n",a*b #2x2矩陣，矩陣相乘 print "\n a/b \n:",b/a # numpy中的除是對矩陣元素展開計算 print "\n a trace：\n",np.trace(a) #求跡 eigval,eigvec = np.linalg.eig(a) #特征，特征向量 print "\n a eig value:\n",eigval print'\n a eig vector:\n',eigveca = np.zeros([4,5]) print '\n all zero \n',a a = np.ones([7,6]) print '\n all one \n',a a = np.eye(4,7) print '\n 4x7 diagonal \n',a a = np.diag(range(5)) print '\n 5x5 diagonal \n',a a = np.empty((2,3)) print '\n empty \n',a

結果：

a: [[-1 2][ 2 3]] b: [[3 4][4 5]]a transpose: [[-1 2][ 2 3]]a inv: [[-0.42857143 0.28571429][ 0.28571429 0.14285714]]a-b: [[-4 -2][-2 -2]]a dot b: [[ 5 6][18 23]]a/b : [[-3 2][ 2 1]]a trace： 2a eig value: [-1.82842712 3.82842712]a eig vector: [[-0.92387953 -0.38268343][ 0.38268343 -0.92387953]]all zero [[ 0. 0. 0. 0. 0.][ 0. 0. 0. 0. 0.][ 0. 0. 0. 0. 0.][ 0. 0. 0. 0. 0.]]all one [[ 1. 1. 1. 1. 1. 1.][ 1. 1. 1. 1. 1. 1.][ 1. 1. 1. 1. 1. 1.]..., [ 1. 1. 1. 1. 1. 1.][ 1. 1. 1. 1. 1. 1.][ 1. 1. 1. 1. 1. 1.]]4x7 diagonal [[ 1. 0. 0. ..., 0. 0. 0.][ 0. 1. 0. ..., 0. 0. 0.][ 0. 0. 1. ..., 0. 0. 0.][ 0. 0. 0. ..., 0. 0. 0.]]5x5 diagonal [[0 0 0 0 0][0 1 0 0 0][0 0 2 0 0][0 0 0 3 0][0 0 0 0 4]]empty [[ 1. 0. 0.][ 0. 0. 0.]]

注意矩陣除法運算的結果
print "\n a/b \n:",b/a # numpy中的除是對矩陣元素展開計算

總結

以上是生活随笔為你收集整理的Python中的numpy矩阵运算的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。