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。
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) #矩阵乘法 # [[13 20] # [ 5 8]]
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) #这里是对应元素相同 # [[4 6] # [6 4]]
而矩阵相乘,则需要numpy里面的dot命令 :
print(np.dot(c,d)) # [[13 20] # [ 5 8]]
**
运算符的作用也不一样 :
print(a**2) #a是matrix,所以a**2是a与a的矩阵相乘 # [[22 15] # [10 7]] print(c**2) #c是array,c**2相当于c中的元素逐个平方 # [[16 9] # [ 4 1]]
numpy mat 与 matrix函数的区别
简单的说:
Tmn = mat(vTmn)
如果vTmn是 matrix或者ndarray则:
此时Tmn和vTmn指向同一个对象
而
Tmn = matrix(vTmn)
Tmn是一个全新的对象