np.mat()函数与np.array()函数的辨析

写在前面

今天，在学习numpy的时候，偶然看到np.mat()函数，查了一下，也是生成矩阵，这里的mat与MATLAB中的很相似，所以在这里简单的记录一下np.mat()函数应该怎么使用，和numpy中的array()函数有什么区别？

np.mat()的基本操作

常规操作

• 创建矩阵
• 访问数据
• 排序等

>>> m= np.mat([1,2,3])  #创建矩阵
>>> m
matrix([[1, 2, 3]])

>>> m[0]                #取一行
matrix([[1, 2, 3]])
>>> m[0,1]              #第一行，第2个数据
>>> m[0][1]             #注意不能像数组那样取值了
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__
    out = N.ndarray.__getitem__(self, index)
IndexError: index 1 is out of bounds for axis 0 with size 1


#将Python的列表转换成NumPy的矩阵
>>> list=[1,2,3]
>>> mat(list)
matrix([[1, 2, 3]])

#Numpy dnarray转换成Numpy矩阵
>>> n = np.array([1,2,3])
>>> n
array([1, 2, 3])
>>> np.mat(n)
matrix([[1, 2, 3]])

#排序
>>> m=np.mat([[2,5,1],[4,6,2]])    #创建2行3列矩阵
>>> m
matrix([[2, 5, 1],
        [4, 6, 2]])
>>> m.sort()                    #对每一行进行排序
>>> m
matrix([[1, 2, 5],
        [2, 4, 6]])

>>> m.shape                     #获得矩阵的行列数
(2, 3)
>>> m.shape[0]                  #获得矩阵的行数
>>> m.shape[1]                  #获得矩阵的列数

#索引取值
>>> m[1,:]                      #取得第一行的所有元素
matrix([[2, 4, 6]])
>>> m[1,0:1]                    #第一行第0个元素，注意左闭右开
matrix([[2]])
>>> m[1,0:3]
matrix([[2, 4, 6]])
>>> m[1,0:2]
matrix([[2, 4]])

矩阵转置

>>> a
matrix([[1, 2],
        [3, 4]])
>>> a.T           #方法一，ndarray也行
matrix([[1, 3],
        [2, 4]])
>>> np.transpose(a)   #方法二
matrix([[1, 3],
        [2, 4]])

矩阵求逆

matrix中求逆有一种简便方法，就是a.I, ndarray不行

>>> a
matrix([[1, 2],
        [3, 4]])
>>> a.I
matrix([[-2. ,  1. ],
        [ 1.5, -0.5]])

与np.array()的区别

1. 生成数组所需格式不同

mat可以从字符串或者列表中生成，但是array只能从列表中生成

import numpy as np
# mat = asmatrix 源码当中mat作为指向asmatrix函数的一个变量
arr_a = np.mat(data="1,2;3,4")
arr_b = np.asmatrix([[5,6],[7,8]])
print(arr_a)
'''
[[1 2]
 [3 4]]
'''
print(arr_b)
'''
[[5 6]
 [7 8]]
'''

2. 生成数组的计算方式不同

• array生成数组，用np.dot()表示矩阵乘积，（*）号或np.multiply()表示点乘

arr_a = np.array([[1, 1], [1, 1]])
arr_b = np.array([[2, 2], [2, 2]])
print(np.dot(arr_a, arr_b))
'''
[[4 4]
 [4 4]]
'''
print(np.multiply(arr_a, arr_b))
'''
[[2 2]
 [2 2]]
'''
print(arr_a*arr_b)
'''
[[2 2]
 [2 2]]
'''

• mat生成数组，（*）和np.dot()相同，点乘只能用np.multiply()

a = np.mat([[1, 1], [1, 1]])
b = np.mat([[2, 2], [2, 2]])
print(np.dot(a, b))
'''
[[4 4]
 [4 4]]
'''
print(a*b)
'''
[[4 4]
 [4 4]]
'''
print(np.multiply(a, b))
'''
[[2 2]
 [2 2]]
'''

总之，*慎用， 如果是矩阵乘法，就用np.dot()， 如果是点乘，就用np.multiply()。 这样就用不错。

3. mat生成数组，有一种求逆的简便方式