NumPy中array和matrix用于矩阵乘法时的区别

Author: nex3z 2015-01-03

　　在NumPy中，array用于表示通用的N维数组，matrix则特定用于线性代数计算。array和matrix都可以用来表示矩阵，二者在进行乘法操作时，有一些不同之处。

　　使用二维的array时，运算符* 用于计算逐元素相相乘，函数dot() 用于计算矩阵相乘，例子如：

import numpy as np

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

print 'a * b = \n', a * b
print 'np.dot(a, b) = \n', np.dot(a, b)

运行结果为：

a * b = 
[[ 5 12]
 [21 32]]
np.dot(a, b) = 
[[19 22]
 [43 50]]

可见，当a和b为array时，a * b 计算了a和b的数量积（对应Matlab的a .* b ），dot(a, b) 计算了a和b的矢量积（对应Matlab的a * b ）。

　　与array不同的是，使用matrix时，运算符* 用于计算矩阵相乘，函数multiply() 用于计算逐元素相乘，例子如：

import numpy as np

a = np.mat('1 2; 3 4')
b = np.mat('5 6; 7 8');

print 'a * b = \n', a * b
print 'np.multiply(a, b) = \n', np.multiply(a, b)

运行结果为：

a * b = 
[[19 22]
 [43 50]]
np.multiply(a, b) = 
[[ 5 12]
 [21 32]]

可见，当使用matrix时，无论是生成矩阵还是计算，Numpy的风格和Matlab更加贴近，降低了语言切换时的负担。