numpy array和matrix区别

在numpy中，array和matrix是两种不同的数据结构。array可以是多维的（1D，2D，3D····ND），而matrix必须是2维的。实际上，matrix是array的一个小的分支，包含于array，因此matrix拥有array的所有特性。

在numpy中，matrix的主要优势是相对简单的乘法运算符号。如果a和b是两个matrices，那么a*b就是矩阵积。例如：
import numpy as np
= 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]]

而在array中，乘法运算符号*代表的是元素逐个相乘的操作。

另一个区别是，在做归约运算时，array的维数会发生变化，但matrix总是保持为2维。例如，对于一个matrix m：
m = np.mat([[1,2],[2,3]])
求平均值的运算mm = m.mean(1)会得到一个2行1列的matrix：
mm = m.mean(1)
# matrix([[ 1.5],
# [ 2.5]])

但对于一个array，同样的运算会得到一个一维的array：
a = np.array([[1,2],[2,3]])
aa = a.mean(1)
# array([ 1.5, 2.5])

因此，array和matrix的区别在于维度改变和乘法运算的不同。

相关问题

numpy matrix和array区别

### 回答1：
numpy中的matrix和array都是用来存储多维数组的数据结构，但是它们有一些区别。

1. matrix是二维数组，而array可以是任意维度的数组。

2. matrix只能进行矩阵运算，而array可以进行任意维度的数组运算。

3. matrix的乘法运算使用*符号，而array的乘法运算使用dot()函数。

4. matrix的切片返回的是一个matrix对象，而array的切片返回的是一个array对象。

5. matrix的转置使用T属性，而array的转置使用transpose()函数。

总的来说，如果你需要进行矩阵运算，那么使用matrix更方便；如果你需要进行任意维度的数组运算，那么使用array更方便。

### 回答2：
numpy中的matrix和array都是用来处理多维数组的数据结构，但它们有一些区别。

首先，matrix是一个二维数组，而array可以是任意维度的数组。这意味着matrix只能处理二维矩阵操作，而array可以处理任意维度的矩阵操作。

其次，matrix只能进行矩阵运算，而array可以进行矩阵运算和逐元素运算。也就是说，对于两个matrix对象进行乘法运算，会进行真正的矩阵乘法操作；而对于两个array对象进行乘法运算，会进行逐元素相乘操作。

此外，matrix对象具有一些特定的运算符重载。例如，通过`*`操作符进行矩阵乘法运算，使用`**`操作符进行矩阵的幂运算。

另外一个区别是matrix对象是一个子类，继承自numpy的ndarray对象。由于继承的关系，matrix对象拥有ndarray对象的所有方法和属性，同时还有一些matrix独有的方法。

虽然matrix具有一些特殊的性质和方法，但大多数情况下，使用array更加方便和灵活。这是因为在科学计算中，多维数组的操作通常不仅仅只涉及到矩阵运算。因此，通常建议优先使用array而不是matrix。

### 回答3：
NumPy中的matrix和array都是用于数值计算的数据结构，但它们在一些方面有一些不同。

首先，matrix是array的子类，因此可以使用array中的方法和功能。但matrix有一些额外的功能，使得它更适合于线性代数运算。例如，matrix可以使用*运算符实现矩阵乘法，而array对应的操作是使用multiply()函数。

其次，matrix是二维的数据结构，而array可以是任意维度的。这意味着创建一个matrix时，输入的数据必须是二维的，而创建一个array时可以是任意维度的。例如，使用matrix创建一个二维矩阵可以是matrix([[1, 2], [3, 4]])，但使用array创建一个二维数组可以是array([[1, 2], [3, 4]])。

此外，matrix具有固定的行和列的结构，因此在进行矩阵运算时，可以直接使用矩阵的行和列的标签进行索引，而不需要使用索引值。这使得代码更加直观和易读。

然而，array在其他方面的功能上比matrix更加灵活和强大。因为它可以是任意维度的，所以在处理高维数组或非线性代数操作时，array更加适用。同时，array也更加常用和广泛应用，因为它是NumPy中最基本的数据结构。

总之，matrix和array在功能和用途上有一些差异。如果需要进行线性代数运算或者处理二维数组，matrix是一个较好的选择；而如果需要处理任意维度的数组或者需要更灵活的操作，array更加合适。

numpy 中的matrix 和array

在NumPy中，matrix是array的一个小的分支，包含于array。因此，matrix拥有array的所有特性。但是，matrix必须是2维的，而array可以是多维的（1D，2D，3D····ND）。在做归约运算时，array的维数会发生变化，但matrix总是保持为2维。例如，对于一个2x2的matrix，求平均值的运算会得到一个2x1的matrix，而对于一个2x2的array，同样的运算会得到一个1维的array。因此，在使用NumPy进行科学计算时，需要根据具体情况选择使用matrix还是array。