Python np.矩阵（np.数组（[0,0]）和np.矩阵（[0,0]）之间有区别吗？

我在读这篇文章，是为了从头开始实现线性回归：

# convert from data frames to numpy matrices
X = np.matrix(X.values)
y = np.matrix(y.values)
theta = np.matrix(np.array([0,0]))

当我遇到这条线时：

np.matrix(np.array([0,0]))

我想知道为什么这个人不直接写

np.matrix（[0,0]）

我在jupyter笔记本上运行了这两个程序，得到了相同的输出：

theta = np.matrix([0,0])
theta2 = np.matrix(np.array([0,0]))
print(theta,theta2,type(theta),type(theta2))

输出：

[[0 0]][[0 0]]

这两者有区别吗？额外的

np.array

部分是否以某种方式增加了θ的功能？如果我将前者替换为后者，最终代码是否正常工作？

您可以检查：

---

np.matrix

的签名“data”可以是数组或字符串，而[0,0]及其对应的

numpy.ndarray

副本就足够了。

奇怪的是，

matrix（array（[0,0]）

创建了一个拥有其数据的干净对象

>>> np.matrix(np.array([0,0])).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix(np.array([0,0])).base

而

矩阵（[0,0]）

似乎是一个匿名数组的视图

>>> np.matrix([0,0]).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix([0,0]).base
array([0, 0])

---

因此，矩阵（数组（..）中额外的

array

似乎避免了混乱，尽管其深层原因对我来说仍然很神秘。

np.matrix

具有

copy=True

参数，

np.asmatrix

具有默认的假拷贝。

矩阵。uuu new_uuu

根据此副本返回

ndarray

输入（以及最终形状调整）。其他

数据

经过

np.array（data，…）

之后是

ndarray.\uuu new\uuu

调用。查看numpy/matrixlib/defmatrix.py代码了解更多详细信息。实际上，两者都使用

np.array

将列表转换为数组。其余的只是将该数组强制转换为

矩阵

子类。从一个大的列表开始，我看不到明显的时间差异（甚至与普通的

np.array（alist）

相比）。我们还可以使用2014年编写的“arr.view（np.matrix）”。现在

np.matrix

有一个悬而未决的警告。我认为演示作者只是使用了他习惯的编码风格，没有从一堆SO读者那里进行微调。