Python-numpy数组和矩阵有什么区别?我应该使用哪一个?

发布于 2021-02-02 23:18:44

每种都有哪些优点和缺点?

从我所看到的情况来看,如果需要,任何一个都可以替代另一个,所以我应该同时使用这两个还是应该仅使用其中之一?

程序的样式会影响我的选择吗?我正在使用numpy进行一些机器学习,因此确实有很多矩阵,但也有很多向量(数组)。

关注者
0
被浏览
83
1 个回答
  • 面试哥
    面试哥 2021-02-02
    为面试而生,有面试问题,就找面试哥。

    numpy矩阵严格是2维的,而numpy数组(ndarrays)是N维的。矩阵对象是ndarray的子​​类,因此它们继承了ndarray的所有属性和方法。

    numpy矩阵的主要优点是它们为矩阵乘法提供了一种方便的表示法:如果a和b是矩阵,则a * b是它们的矩阵乘积。

    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,因此你可以在Python> = 3.5中使用ndarrays实现相同的矩阵乘法便捷性。

    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ndarray都.T必须返回转置,但是矩阵对象也必须具有.H共轭转置和.I逆。

    相反,numpy数组始终遵循以元素为单位应用操作的规则(除了new @运算符)。因此,如果a和b是numpy数组,则a*b该数组是通过按元素逐个乘以组成的:

    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,请使用np.dot(或@Python> = 3.5中,如上所示):

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

    **运营商还表现不同:

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

    由于a是矩阵,所以a**2返回矩阵乘积a*a。由于c是ndarray,因此c**2返回一个ndarray,每个组件的元素均按平方。

    矩阵对象和ndarray之间还有其他技术区别(与np.ravel,项目选择和序列行为有关)。

    numpy数组的主要优点是它们比二维矩阵更通用。当你需要3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,学习使用矩阵对象的工作量更大-你必须学习矩阵对象操作和ndarray操作。

    编写同时使用矩阵和数组的程序会使你的生活变得困难,因为你必须跟踪变量是什么类型的对象,以免乘法返回意外的结果。

    相反,如果仅使用ndarray,则可以执行矩阵对象可以执行的所有操作,以及更多操作,但功能/符号略有不同。

    如果你愿意放弃NumPy矩阵产品表示法的视觉吸引力(在python> = 3.5中使用ndarrays几乎可以优雅地实现),那么我认为NumPy数组绝对是可行的方法。

    PS。当然,你实际上不必选择以牺牲另一个为代价,因为np.asmatrixnp.asarray允许你将一个转换为另一个(只要数组是二维的)。

    还有就是与NumPy之间的差异大纲arraysVS NumPymatrixES 这里。



知识点
面圈网VIP题库

面圈网VIP题库全新上线,海量真题题库资源。 90大类考试,超10万份考试真题开放下载啦

去下载看看