Python 矩阵和数组之间的区别

在Python中，数组是ndarray(多维数组)对象。矩阵对象严格为二维，而ndarray对象可以是多维的。要创建数组，可以使用Numpy库。

Python中的矩阵

矩阵是限定每个数据元素严格相同大小的二维数组的特例。矩阵是许多数学和科学计算的关键数据结构。每个矩阵也是二维数组，但反之则不一定成立。矩阵对象是ndarray的子类，因此它们继承了所有ndarrays的属性和方法。

示例

创建一个矩阵并显示

from numpy import *

# Create a Matrix
mat = array([['A',12,16],['B',11,13],
['C',20,19],['D',22,21],
['E',18,22],['F',12,18]])

# Display the Matrix
print("Matrix = \n",mat)

输出

Matrix = 
 [['A' '12' '16']
 ['B' '11' '13']
 ['C' '20' '19']
 ['D' '22' '21']
 ['E' '18' '22']
 ['F' '12' '18']]

示例

使用mat()函数创建矩阵

mat()函数将输入解释为矩阵-

import numpy as np

# Create a Matrix
mat = np.mat([[5,10],[15,20]])

# Display the Matrix
print("Matrix = \n",mat)

输出

Matrix = 
 [[ 5 10]
 [15 20]]

Python中的数组

数组是一个容器，可以容纳固定数量的项目，这些项目应该是相同类型的。要在Python中使用数组，请导入NumPy库。

示例

import numpy as np

# Create an array
arr = np.array([5, 10, 15, 20])

# Display the Array
print("Array =\n")
for x in arr:
   print(x)

输出

Array =

5
10
15
20

使用Numpy数组进行矩阵运算

根据官方文档，numpy.matrix类将在未来被移除。因此，现在必须使用Numpy数组来进行矩阵代数运算。

示例

现在让我们通过数组创建一个矩阵-

import numpy as np

# Create Matrices
mat1 = np.array([[5,10],[3,9]])
mat2 = np.array([[15,20],[10,11]])

# Display the Matrices
print("Matrix1 = \n",mat1)
print("Matrix2 = \n",mat2)

输出

Matrix1 = 
 [[ 5 10]
 [ 3  9]]
Matrix2 = 
 [[15 20]
 [10 11]]

示例

让我们将上述矩阵相乘 –

import numpy as np

# Create Matrices
mat1 = np.array([[5,10],[3,9]])
mat2 = np.array([[15,20],[10,11]])

# Display the Matrices
print("Matrix1 = \n",mat1)
print("Matrix2 = \n",mat2)
mulMat = mat1@mat2
print("\nMatrix Multiplication = \n",mulMat)

输出

Matrix1 = 
 [[ 5 10]
 [ 3  9]]
Matrix2 = 
 [[15 20]
 [10 11]]

Matrix Multiplication = 
 [[175 210]
 [135 159]]

示例

获取转置 –

import numpy as np

# Create Matrices
mat1 = np.array([[5,10],[3,9]])
mat2 = np.array([[15,20],[10,11]])

# Display the Matrices
print("Matrix1 = \n",mat1)
print("Matrix2 = \n",mat2)
mulMat = mat1@mat2
print("\nTranspose = \n",mulMat.T)

输出

Matrix1 = 
 [[ 5 10]
 [ 3  9]]
Matrix2 = 
 [[15 20]
 [10 11]]

Transpose = 
 [[175 135]
 [210 159]]