首頁猿問 numpy數(shù)組和矩陣之間有什么區(qū)別...

numpy數(shù)組和矩陣之間有什么區(qū)別？我該用哪一個？

Python

慕妹3242003 2019-07-06 13:10:39

numpy數(shù)組和矩陣之間有什么區(qū)別？我該用哪一個？每種方法的優(yōu)點和缺點是什么？據(jù)我所見，如果需要的話，兩種方法都可以替代另一種，所以我應該同時使用這兩種，還是應該只使用其中一種呢？節(jié)目的風格會影響我的選擇嗎？我正在用numpy做一些機器學習，所以確實有很多矩陣，但也有很多向量(數(shù)組)。

查看完整描述

3 回答

慕神8447489

TA貢獻1780條經(jīng)驗獲得超1個贊

Numpy矩陣嚴格是二維的，而numpy陣列(Ndarray)是N維的.矩陣對象是ndarray的子類，因此它們繼承了ndarray的所有屬性和方法。

numpy矩陣的主要優(yōu)點是它們?yōu)榫仃嚦朔ㄌ峁┝艘环N方便的表示法：如果a和b是矩陣，那么a*b就是它們的矩陣乘積。

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，從Python3.5開始，NumPy支持使用@運算符，因此您可以使用Python>=3.5中的ndarray實現(xiàn)矩陣乘法的同樣方便。

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]]

矩陣對象和ndarray都有.T若要返回轉(zhuǎn)置，但矩陣對象也具有.H對于共軛轉(zhuǎn)置，和.I反之亦然。

相反，numpy數(shù)組始終遵循按元素應用操作的規(guī)則(新的除外)。@(操作員)因此，如果a和b是numpy數(shù)組，那么a*b是將組件元素按順序相乘形成的數(shù)組：

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

若要獲得矩陣乘法的結(jié)果，請使用np.dot(或@在Python>=3.5中，如上文所示)：

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

這個**運算符的行為也不同：

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

自a是矩陣，a**2返回矩陣積a*a..自c是一條警鐘，c**2返回一個包含每個組件平方元素的ndarray。

矩陣對象和ndarray之間還有其他技術(shù)差異(與np.ravel、項選擇和序列行為有關(guān))。

Numpy陣列的主要優(yōu)點是它們比二維矩陣更通用.當你想要一個三維數(shù)組時會發(fā)生什么？然后你必須使用ndarray，而不是矩陣對象。因此，學習使用矩陣對象是更多的工作-你必須學習矩陣對象操作和ndarray操作。

編寫一個同時使用矩陣和數(shù)組的程序會使你的生活變得困難，因為你必須跟蹤你的變量是哪種類型的對象，以免乘法返回你不想要的東西。

相反，如果您只使用ndarray，那么您可以完成矩陣對象所能做的所有事情，甚至更多，除非函數(shù)/表示法稍有不同。

如果您愿意放棄NumPy矩陣乘積表示法的視覺吸引力(在Python>=3.5中使用ndarray幾乎可以很好地實現(xiàn)它)，那么我認為NumPy數(shù)組絕對是可行的。

PS。當然，你真的不必犧牲另一個而選擇一個，因為np.asmatrix和np.asarray允許您將其中一個轉(zhuǎn)換為另一個(只要數(shù)組是二維的)。

NumPy之間的區(qū)別有一個概要arraysVS NumPymatrix埃斯這里.

反對回復 2019-07-06

守候你守候我

TA貢獻1802條經(jīng)驗獲得超10個贊

建議您使用數(shù)組：

*“數(shù)組”或“矩陣”？我該用哪一種？-簡短的回答
使用數(shù)組。
它們是Numpy的標準向量/矩陣/張量類型。許多numpy函數(shù)返回數(shù)組，而不是矩陣。
元素運算和線性代數(shù)運算有著明顯的區(qū)別.
如果愿意，可以使用標準向量或行/列向量。
使用數(shù)組類型的唯一缺點是必須使用dot而不是*將兩個張量(標量乘積、矩陣向量乘法等)相乘。

反對回復 2019-07-06

寶慕林4294392

TA貢獻2021條經(jīng)驗獲得超8個贊

只是為了在unutbu的名單上加上一個案子。

與numpy矩陣或matlab這樣的矩陣語言相比，numpy ndarray最大的實際區(qū)別之一是，減少運算中沒有保留維數(shù)。矩陣總是2d，而數(shù)組的平均值，例如，其一維數(shù)就少了。

例如，貶低矩陣或數(shù)組的行：

帶矩陣

>>> m = np.mat([[1,2],[2,3]])>>> m
matrix([[1, 2],
        [2, 3]])>>> mm = m.mean(1)>>> mm
matrix([[ 1.5],
        [ 2.5]])>>> mm.shape(2, 1)>>> m - mm
matrix([[-0.5,  0.5],
        [-0.5,  0.5]])

帶數(shù)組

>>> a = np.array([[1,2],[2,3]])>>> a
array([[1, 2],
       [2, 3]])>>> am = a.mean(1)>>> am.shape(2,)>>> am
array([ 1.5,  2.5])>>> a - am #wrongarray([[-0.5, -0.5],
       [ 0.5,  0.5]])>>> a - am[:, np.newaxis]  #rightarray([[-0.5,  0.5],
       [-0.5,  0.5]])

我還認為混合數(shù)組和矩陣會導致許多“愉快”的調(diào)試時間。然而，稀疏矩陣通常是像乘法這樣的算子的矩陣。

反對回復 2019-07-06