numpy matrix 与ndarray的区别

例子：

A=np.array([[1,2],[3,4]])
B=np.array([[5,6],[7,8]])

C=np.mat([[1,2],[3,4]])
D=np.mat([[6,7],[8,9]])
1
2
3
4
5
1.ndarray 可以是任意维数 mat只能是2维的
#正常
A=np.array([[[1,2]]])
#报错
B = np.mat([[[1,2]]])
1
2
3
4
2.矩阵乘法
ndarray:
1. np.dot 是叉乘 (各元素相乘后相加)
A.dot(B)=np.dot(A,B)
得到：
array([[19, 22],
[43, 50]])
2 A*B=np.multiply(A,B) (各对应位置元素相乘)

得到：
array([[ 5, 12],
[21, 32]])
matrix:

1. C*D=np.dot(C,D)=C.dot(D) (各元素相乘后相加)
得到：
matrix([[22, 25],
[50, 57]])
2. np=np.multiply(C,D) (各对应位置元素相乘)
得到：
matrix([[6, 7],
[8, 9]])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
3.matrix与ndarray互换
1.matrix->ndarray （使用matrix对象的A属性或者np.asarray()方法）

E=C.A
E=np.asarray(C)
#注意E和A共享内存空间，修改了A之后E的值也会被修改

2.ndarray->matrix (使用np.asmatrix()方法)

E=np.asmatrix(A)

4.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。
5.** 运算符的作用也不一样 ：因为a是个matrix，所以a**2返回的是a*a，相当于矩阵相乘。而c是array，c**2相当于，c中的元素逐个求平方
6.numpy 中的array与numpy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
>>> C
matrix([[1, 2],
[3, 4]])
>>> C.mean(1)
matrix([[1.5],
[3.5]])
>>> A
array([[1, 2],
[3, 4]])
>>> A.mean(1)
array([1.5, 3.5])
>>>