Numpy中矩阵和数组的区别

时间:2019-10-17
本文章向大家介绍Numpy中矩阵和数组的区别,主要包括Numpy中矩阵和数组的区别使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

矩阵(Matrix)和数组(Array)的区别主要有以下两点:

  • 矩阵只能为2维的,而数组可以是任意维度的。
  • 矩阵和数组在数学运算上会有不同的结构。

代码展示

1.矩阵的创建

  • 采用mat函数创建矩阵
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。相当于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函数创建矩阵
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'  # 通过字符串创建矩阵
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.数组的创建

  • 通过传入列表创建
  • 通过range()和reshape()创建
  • linspace()和reshape()创建
  • 通过内置的一些函数创建
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为主对角线创建矩阵
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,运算符号也一样用*,**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。

原文地址:https://www.cnblogs.com/wenshinlee/p/11694885.html