numpy matrix 与ndarray的区别

版本：2.7.10

例子：

A=np.array([[1,2],[3,4]])
B=np.array([[5,6],[7,8]])

C=np.mat([[1,2],[3,4]])
D=np.mat([[6,7],[8,9]])

1.ndarray 可以是任意维数 mat只能是2维的

#正常
A=np.array([[[1,2]]])
#报错
B = np.mat([[[1,2]]]) 

2.矩阵乘法

ndarray: 
    1. np.dot  是叉乘 (各元素相乘后相加)
        A.dot(B)=np.dot(A,B) 
        得到：
            array([[19, 22],
                  [43, 50]])
     2 A*B=np.multiply(A,B) (各对应位置元素相乘)

     得到：
     array([[ 5, 12],
            [21, 32]])
matrix:

    1. C*D=np.dot(C,D)=C.dot(D)  (各元素相乘后相加)
    得到：
    matrix([[22, 25],
           [50, 57]])
    2. np=np.multiply(C,D)  (各对应位置元素相乘)
    得到：
        matrix([[6, 7],
                [8, 9]])

3.matrix与ndarray互换

1.matrix->ndarray  （使用matrix对象的A属性或者np.asarray()方法）
    E=C.A
    E=np.asarray(C)
    #注意E和A共享内存空间，修改了A之后E的值也会被修改

2.ndarray->matrix (使用np.asmatrix()方法)
    E=np.asmatrix(A)

4.matrix 和 array 都可以通过objects后面加.T 得到其转置。但是 matrix objects 还可以在后面加 .H f得到共轭矩阵, 加 .I 得到逆矩阵。

5.** 运算符的作用也不一样 ：因为a是个matrix，所以a**2返回的是a*a，相当于矩阵相乘。而c是array，c**2相当于，c中的元素逐个求平方

6.numpy 中的array与numpy中的matrix的最大的不同是，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。例如下面求平均值的运算

>>> C
matrix([[1, 2],
        [3, 4]])
>>> C.mean(1)
matrix([[1.5],
        [3.5]])
>>> A
array([[1, 2],
       [3, 4]])
>>> A.mean(1)
array([1.5, 3.5])
>>>