NumPy矩阵与数组类的乘法有何不同？

Question

numpy文档建议使用数组而不是矩阵来处理矩阵。但是，与八度（直到最近我一直使用）不同，*不执行矩阵乘法，您需要使用函数matrixmultipy（）。我觉得这使代码非常不可读。是否有人分享我的观点并找到了解决方案？

Answer 1

避免使用matrix该类的主要原因是：a）本质上是二维的，并且b）与“常规” numpy数组相比，存在额外的开销。如果您要做的只是线性代数，那么请务必使用矩阵类...就我个人而言，我发现它比它值得的麻烦更多。

对于数组（Python 3.5之前的版本），请使用dot代替matrixmultiply。

例如

import numpy as np

x = np.arange(9).reshape((3,3))

y = np.arange(3)

print np.dot(x,y)

或在新版本的numpy中，只需使用 x.dot(y)

就个人而言，我发现它比*表示矩阵乘法的运算符更具可读性。

对于Python 3.5中的数组，请使用x @ y。

Answer 2

在某些情况下，点运算符在处理数组和处理矩阵时会给出不同的答案。例如，假设以下内容：

>>> a=numpy.array([1, 2, 3])

>>> b=numpy.array([1, 2, 3])

让我们将它们转换成矩阵：

>>> am=numpy.mat(a)

>>> bm=numpy.mat(b)

现在，我们可以看到两种情况的不同输出：

>>> print numpy.dot(a.T, b)

14

>>> print am.T*bm

[[1.  2.  3.]

 [2.  4.  6.]

 [3.  6.  9.]]