numpy数组和矩阵有什么区别?我应该使用哪一个?

问题:

每个的优点和缺点是什么?
从我所看到的,任何一个人都可以作为替代另一个,如果需要,所以我应该打扰使用两者,还是应该坚持只有一个?
程序的风格会影响我的选择吗?我正在使用numpy做一些机器学习,所以确实有很多矩阵,但是还有很多向量(数组)。

回答:

Numpy矩阵是严格二维的,而numpy数组(ndarrays)是
N维。矩阵对象是ndarray的子​​类,因此它们继承所有
ndarrays的属性和方法。
numpy矩阵的主要优点是它们提供了一种方便的符号
对于矩阵乘法:如果a和b是矩阵,则a * b是它们的矩阵
产品。

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)
# [[13 20]
#  [ 5  8]]

另一方面,从Python 3.5开始,NumPy使用@运算符支持中缀矩阵乘法,因此您可以在Python> = 3.5中实现与ndarrays相同的方便的矩阵乘法。

import numpy as np

a=np.array([[4, 3], [2, 1]])
b=np.array([[1, 2], [3, 4]])
print(a@b)
# [[13 20]
#  [ 5  8]]

矩阵对象和ndarrays都有.T返回转置,但是矩阵
对象也有共轭转置的.H,而反向的.I
相反,numpy数组一直遵守操作的规则
应用元素(除了新的@运算符)。因此,如果ab是numpy数组,则a*b是数组
通过将元件乘以元素形成:

c=np.array([[4, 3], [2, 1]])
d=np.array([[1, 2], [3, 4]])
print(c*d)
# [[4 6]
#  [6 4]]

要获得矩阵乘法的结果,您可以使用np.dot(或Python中的@ = 3.5,如上所示):

print(np.dot(c,d))
# [[13 20]
#  [ 5  8]]

**运算符的行为也不同:

print(a**2)
# [[22 15]
#  [10  7]]
print(c**2)
# [[16  9]
#  [ 4  1]]

由于a是矩阵,a**2返回矩阵乘积a*a
由于c是一个ndarray,c**2返回一个ndarray与每个组件平方
逐元素。
矩阵对象和ndarrays之间还有其他的技术差异
(与np.ravel有关,项目选择和顺序行为)。
numpy数组的主要优点是它们比一般更为普遍
二维矩阵。当你想要一个三维数组时会发生什么?然后
你必须使用ndarray,而不是矩阵对象。因此,学习使用矩阵
对象是更多的工作 – 你必须学习矩阵对象操作,和
ndarray操作。
编写使用矩阵和数组的程序使您的生活变得困难
因为你必须跟踪你的变量是什么类型的对象,否则
乘法返回你不期望的东西。
相比之下,如果你坚持使用ndarrays,那么你可以做一切
矩阵对象可以做的更多,除了略有不同
函数/符号。
如果您愿意放弃NumPy矩阵产品的视觉吸引力
符号(可以在Python> = 3.5中几乎完美地实现),那么我认为NumPy数组是绝对的方式。
PS。当然,你真的不用选择一个而牺牲另一个,
由于np.asmatrixnp.asarray允许您将一个转换为另一个(如
只要数组是二维的)。

 
 
 
Code问答:       codewenda.com
Stackoverflow: What are the differences between numpy arrays and matrices? Which one should I use?
 
本文链接: http://codewenda.com/numpy%E6%95%B0%E7%BB%84%E5%92%8C%E7%9F%A9%E9%98%B5%E6%9C%89%E4%BB%80%E4%B9%88%E5%8C%BA%E5%88%AB%EF%BC%9F%E6%88%91%E5%BA%94%E8%AF%A5%E4%BD%BF%E7%94%A8%E5%93%AA%E4%B8%80%E4%B8%AA%EF%BC%9F

发表评论

电子邮件地址不会被公开。 必填项已用*标注

+ 7 = 15