從機器學習學python（四）——numpy矩陣基礎

（原創內容，轉載請註明來源，謝謝）

一、numpy中matrix 和 array的區別

Numpymatrices必須是2維的,但是 numpy arrays (ndarrays) 可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含於Array。所以matrix 擁有array的所有特性。

在numpy中matrix的主要優勢是：相對簡單的乘法運算子號。例如，a和b是兩個matrices，那麼a*b，就是矩陣積。

即用matrix計算時，加減乘除都是矩陣運算，而不是簡單的運算。

二、矩陣和陣列的轉換

陣列轉矩陣：A ＝ mat(s[]) ；矩陣轉換陣列：s[]＝ A.getA()

舉例：

s=[[4,2],[3,2],[3,1]]
A =mat(s)
A
matrix([[4, 2],
[3, 2],
[3, 1]])
ss = A.getA()
ss
array([[4, 2],
[3, 2],
[3, 1]])

三、轉置和軸對換

轉置有三種方式，transpose方法、T屬性以及swapaxes方法。

1、T屬性

主要是針對二維陣列，二維陣列的T屬性即轉置。例如b=a.T表示矩陣b是矩陣a的轉置。

2、transpose()

對於高維陣列，轉置需要確定轉置方式。首先，矩陣的每個維度有個編號，從0開始編號，例如三維矩陣，則三個維度的編號分別是0、1、2。

a.transpose(0,1,2)即為a，表示a沒有轉置。a.transpose()則等價於a.transpose(2,1,1)，表示完全的轉置。而例如a.transpose(0,2,1)表示第三維和第二維進行的轉換。

3、swapaxes()

這個方法和transpose方法類似，區別在於這個方法只接收兩個引數，表示指定的兩個維度的轉換。例如a.swapaxes(1,2)等價於a.transpose(0,2,1)。注意到這裡維度也是從0開始當作第一維的。

——written by linhxx 2018.01.17