numpy

2024-07-12 03:13:02| 来源: 网络整理| 查看: 265

文章目录【1】np.array，np.matrix，np.mat的区别（1）np.array和后两者的区别（2）np.mat和np.matrix的区别【3】矩阵相乘（*）、np.multiply、np.dot的区别（1）当被乘的二者为array时（2）当被乘的二者为mat/matrix时（3）总结

【1】np.array，np.matrix，np.mat的区别（1）np.array和后两者的区别

数据类型不同 np.array产生numpy.ndarray类型的数据，不能进行矩阵意义上的乘法。np.matrix，np.mat产生numpy.matrix类型数据，可以进行矩阵相乘见下例

import numpy as np a = np.mat('1 2 3;3 4 5;1 2 3') b = np.mat([[1, 2], [3, 4]]) print(a) print(b) ''' 两种方法都可以 [[1 2 3] [3 4 5] [1 2 3]] [[1 2] [3 4]] ''' print(type(a)) print(type(b)) ''' ''' c = np.array([[1, 2], [3, 4]]) print(c) ''' [[1 2] [3 4]] ''' print(type(c)) #

解释：array是创建数组,他的shape是(6,)，但使用reshape后可以将数组转换为矩阵。（见下例） np.array与np.arange的区别：np.array必须自己手动输入数组；np.arange与直接使用range类似，可以产生一串数字。但二者产生的都是数组并非矩阵。

a = np.arange(12).reshape(3,4) print(a) ''' [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] ''' b = np.array([1,2,3,4,5,6]) print(b.shape) #(6,) c = b.reshape(2,3) print(c.shape) #(2, 3)

一维数组和一维矩阵的区别 (12,)表示是数组，只有一个[ ] ; (1, 12)是一维矩阵，左右各有两个[ ] ，matrix可以使二维数组变为二维矩阵，可以将数组变为一维矩阵

a = np.arange(12) print(a.shape) #(12,) #[ 0 1 2 3 4 5 6 7 8 9 10 11] a = np.matrix(a) print(a.shape) #(1, 12) #[[ 0 1 2 3 4 5 6 7 8 9 10 11]] c = np.matrix([[1,2,3,4,5,6],[7,8,9,10,11,12]], dtype=int) print(c) ''' [[ 1 2 3 4 5 6] [ 7 8 9 10 11 12]] ''' （2）np.mat和np.matrix的区别

由数组变为矩阵有np.mat和np.matrix两种方法。使用np.mat后，如果对原数组进行改变，矩阵也会相应发生变化，如下：

#创建ndarray二维数组 x = np.array([[1, 2], [3, 4]]) #生成矩阵 m = np.mat(x) #打印 m 矩阵 print(m) ''' [[1 2] [3 4]] ''' x[0,0] = 0 print(m) ''' [[0 2] [3 4]] '''

但使用np.matrix后，如果对原数组进行改变，矩阵不会相应发生变化，如下：

#创建ndarray二维数组 x = np.array([[1, 2], [3, 4]]) #生成矩阵 m = np.matrix(x) #打印 m 矩阵 print(m) ''' [[1 2] [3 4]] ''' x[0,0] = 0 print(m) ''' [[1 2] [3 4]] ''' 【3】矩阵相乘（*）、np.multiply、np.dot的区别

注意：不同类型的数据在使用他们三者时的效果不同。

（1）当被乘的二者为array时

使用np.dot才能进行矩阵的相乘（2×3与3×2=2×2 相乘后相加），但乘积的结果类型为说明它不是真正的矩阵相乘，但是可以遵守矩阵相乘的法则。

import numpy as np a = np.array([[1,2,3],[1,1,1]]) b = np.array([[1,1],[1,1],[1,1]]) print(a) ''' [[1 2 3] [1 1 1]] ''' print(b) ''' [[1 1] [1 1] [1 1]] ''' print(np.dot(a,b)) ''' [[6 6] [3 3]] '''

如果不符合矩阵乘法规则，则必须两数组的形式完全相同，才能进行运算。 a*b就是对应元素的乘积，multiply也是对应元素的乘积，乘积的结果类型为

a = np.array([[1,2,3],[1,1,1]]) b = np.array([[1,1,1],[1,1,1]]) print(a) ''' [[1 2 3] [1 1 1]] ''' print(b) ''' [[1 1 1] [1 1 1]] ''' print(a*b) ''' [[1 2 3] [1 1 1]] ''' （2）当被乘的二者为mat/matrix时

默认 a*b与 dot（a,b）是矩阵的乘积（3×3与3×1=3×1即m×n与n×y=m×y），结果类型为

import numpy as np a = np.mat('1 2 3;3 4 5;1 2 3') b = np.mat([[1],[1],[1]]) c = np.dot(a,b) print(c) ''' [[ 6] [12] [ 6]] ''' c = a*b print(c) ''' [[ 6] [12] [ 6]] '''

multiply转化为对应元素的乘积，相乘条件为两矩阵均为完全相同的格式或行数相同且列数为1（2×3与2×1=3×3即m×n与m×1=m×n），对应位置只相乘不进行相加

import numpy as np a = np.matrix('1 2 3;3 4 5') #相同格式 b = np.matrix([[1,1,1],[2,2,2]]) c = np.multiply(a,b) print(c) ''' [[ 1 2 3] [ 6 8 10]] ''' a = np.matrix('1 2 3;3 4 5') #行数相同其中一个列数为1 b = np.matrix([[1],[2]]) c = np.multiply(a,b) print(c) ''' [[ 1 2 3] [ 6 8 10]] ''' （3）总结

np.dot无论数据是array或matrix都表示矩阵相乘 np.multiply无论数据是array或matrix都表示对应位置相乘

如果数据类型为array，（*）和np.multiply表示对应位置相乘，np.dot表示矩阵形式相乘

如果数据类型为matrix，np.multiply表示对应位置位置相乘，（*）和np.dot表示矩阵形式相乘

【本文地址】

公司简介

联系我们

今日新闻

点击排行

实验室常用的仪器、试剂和: 说到实验室常用到的东西，主要就分为仪器、试剂和耗

不用再找了，全球10大实验: 01、赛默飞世尔科技（热电）Thermo Fisher Scientif

三代水柜的量产巅峰T-72坦: 作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这

通风柜跟实验室通风系统有: 说到通风柜跟实验室通风，不少人都纠结二者到底是不

集消毒杀菌、烘干收纳为一: 厨房是家里细菌较多的地方，潮湿的环境、没有完全密

实验室设备之全钢实验台如: 全钢实验台是实验室家具中较为重要的家具之一，很多

图片新闻

实验室药品柜的特性有哪些: 实验室药品柜是实验室家具的重要组成部分之一，主要

小学科学实验中有哪些教学: 计算机计算器一般打孔器打气筒仪器车显微镜

实验室各种仪器原理动图讲: 1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分

高中化学常见仪器及实验装: 1、可加热仪器：2、计量仪器：（1）仪器A的名称：量

微生物操作主要设备和器具: 今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦

浅谈通风柜使用基本常识: 　众所周知，通风柜功能中最主要的就是排气功能。在

numpy

numpy

今日新闻

点击排行

推荐新闻

图片新闻

专题文章