核心区别
矩阵:对应的是二维空间。
数组:对应的是多维空间。
生成方式区别
>>> import numpy as np
>>> a = np.array([[[1,2,3],['a','b','c']],[['e','f','g'],[4,5,6]]])
>>> a
array([[['1', '2', '3'],
['a', 'b', 'c']],
[['e', 'f', 'g'],
['4', '5', '6']]], dtype='<U21')
>>> a.shape
(2, 2, 3)
>>> b = np.matrix([[[1,2,3],['a','b','c']],[['e','f','g'],[4,5,6]]])
ValueError: matrix must be 2-dimensional
>>> c = np.matrix([[1,2,3],['a','b','c']])
>>> c
matrix([['1', '2', '3'],
['a', 'b', 'c']], dtype='<U21')
可以看到矩阵只能是二维的!
运算方式区别
先生成矩阵和数组
import numpy as np
>>> a = np.array([[1,2],[3,4]])
>>> a
array([[1, 2],
[3, 4]])
>>> b = np.array([[4,3],[2,1]])
>>> b
array([[4, 3],
[2, 1]])
>>> a_m = np.matrix([[1,2],[3,4]])
>>> a_m
matrix([[1, 2],
[3, 4]])
>>> b_m = np.matrix([[4,3],[2,1]])
>>> b_m
matrix([[4, 3],
[2, 1]])
对于 array,“ * ” 表示元素相乘
对于 matrix, “ * ” 表示矩阵乘积
>>> a*b
array([[4, 6],
[6, 4]])
>>> a_m*b_m
matrix([[ 8, 5],
[20, 13]])
对 array 计算矩阵乘积,要用 np.dot
>>> np.dot(a,b)
array([[ 8, 5],
[20, 13]])
对于 array,“ **n ” 表示元素的n次方
对于 matrix, “ **n ” 表示矩阵与自己的乘积n次
>>> a**3
array([[ 1, 8],
[27, 64]])
>>> a_m**3
matrix([[ 37, 54],
[ 81, 118]])
在神经网络中,我们通常都是用的 array ,因为需要用到多维度的数据,所以在运算方式上,np.dot 是非常常用的,当然元素的批量操作也是很常用。另外 numpy 具有的广播功能 brodcast 也是非常便利的!