Numpy中矩阵和数组的区别

矩阵（Matrix）和数组（Array）的区别主要有如下两点:

• 矩阵只能为2维的，而数组能够是任意维度的。
• 矩阵和数组在数学运算上会有不一样的结构。

 

代码展现

1.矩阵的建立

• 采用mat函数建立矩阵

class numpy.mat(data, dtype=None)

（注释：Unlike matrix, asmatrix does not make a copy if the input is already a matrix or an ndarray. Equivalent to matrix(data, copy=False).这句话的含义也就是说，当传入的参数为一个矩阵或者ndarray的数组时候，返回值是和传入参数相同的引用，也就是当传入参数发生改变时候，返回值也会相应的改变。至关于numpy.matrix(data, copy=False)）

import numpy as np

e = np.array([[1, 2], [3, 4]])  # 传入的参数为ndarray时

# e= np.matrix([[1, 2], [3, 4]])  # 传入的参数为矩阵时

print(e)

print('e的类型:', type(e))

print('---'*5)

e1 = np.mat(e)

print(e1)

print('e1的类型:', type(e1))

print('---'*5)

print('改变e中的值,分别打印e和e1')

# 注意矩阵和ndarray修改元素的区别

e[0][0] = 0  # 传入的参数为ndarray时

# e[0, 0] = 0  # 传入的参数为矩阵时

print(e)

print(e1)

print('---'*5)

[[1 2]
 [3 4]]
e的类型: <class 'numpy.matrix'>
---------------
[[1 2]
 [3 4]]
e1的类型: <class 'numpy.matrix'>
---------------
改变e中的值,分别打印e和e1
[[0 2]
 [3 4]]
[[0 2]
 [3 4]]
---------------

 

• 采用matrix函数建立矩阵

class numpy.matrix(data, dtype=None, copy=True)

（注释:Returns a matrix from an array-like object, or from a string of data. A matrix is a specialized 2-D array that retains its 2-D nature through operations. It has certain special operators, such as * (matrix multiplication) and ** (matrix power).）

import numpy as np

e = np.array([[1, 2], [3, 4]])
# e = '1 2;3 4'  # 经过字符串建立矩阵
e1 = np.matrix(e)  # 传入的参数为矩阵时
print(e1)
print('e1的类型:', type(e1))
print('---'*5)
print('改变e中的值,分别打印e和e1')
e[0][0] = 0
print(e)
print(e1)
print('---'*5)

[[1 2]
 [3 4]]
e1的类型: <class 'numpy.matrix'>
---------------
改变e中的值,分别打印e和e1
[[0 2]
 [3 4]]
[[1 2]
 [3 4]]
---------------

 

2.数组的建立

• 经过传入列表建立
• 经过range()和reshape()建立
• linspace()和reshape()建立
• 经过内置的一些函数建立

import numpy as np

e = [[1, 2], [3, 4]]
e1 = np.array(e)
print(e)
n = np.arange(0, 30, 2)  # 从0开始到30（不包括30），步长为2
n = n.reshape(3, 5)
print(n)
o = np.linspace(0, 4, 9)
o.resize(3, 3)
print(o)
a = np.ones((3, 2))
print(a)
b = np.zeros((2, 3))
print(b)
c = np.eye(3)  # 3维单位矩阵
print(c)
y = np.array([4, 5, 6])
d = np.diag(y)  # 以y为主对角线建立矩阵
print(d)
e = np.random.randint(0, 10, (4, 3))
print(e)

---------------
[[1, 2], [3, 4]]
[[ 0  2  4  6  8]
 [10 12 14 16 18]
 [20 22 24 26 28]]

[[0.  0.5 1. ]
 [1.5 2.  2.5]
 [3.  3.5 4. ]]

[[1. 1.]
 [1. 1.]
 [1. 1.]]

[[0. 0. 0.]
 [0. 0. 0.]]

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

[[4 0 0]
 [0 5 0]
 [0 0 6]]

[[3 0 2]
 [1 5 1]
 [9 4 7]
 [5 8 9]]

 

3.矩阵和数组的数学运算

• 矩阵的乘法和加法

矩阵的乘法和加法和线性代数的矩阵加法和乘法一致，运算符号也同样用*，**表示平方，例如e**2 =e*e。

• 数组的加法和乘法

数组的乘法和加法为相应位置的数据乘法和加法。