Python Numpy中的多维矩阵

我读了一些关于NumPy和它的矩阵类。在作者所写的文档中，我们只能创建一个二维矩阵。所以我想他们的意思是你只能写这样的东西：

input = numpy.matrix( ((1,2), (3,4))

input = numpy.matrix( ((1,2), (3,4), (4,5)) )

是这样吗？ 但当我编写这样的代码时：

input = numpy.matrix( ((1,2), (3,4))

input = numpy.matrix( ((1,2), (3,4), (4,5)) )

它也能起作用。。。 通常我会说，好吧，为什么不，我不知道它为什么有效。但我必须为我的大学写一份考试，所以我必须知道我是否正确理解了它，或者它们对2D矩阵意味着什么

---

感谢您的帮助

它们都是二维矩阵。第一个是2x2 2D矩阵，第二个是3x2 2D矩阵。在编程中，它与2D阵列非常相似。例如，第二个矩阵在C中定义为

int-matrix[3][2]

然后，3D矩阵表示它具有以下定义：

int 3D_array[3][2][3]

在numpy中，如果我尝试使用3d矩阵：

>>> input = numpy.matrix((((2, 3), (4, 5)), ((6, 7), (8, 9))))
ValueError: matrix must be 2-dimensional

---

它们都是二维矩阵。第一个是2x2 2D矩阵，第二个是3x2 2D矩阵。在编程中，它与2D阵列非常相似。例如，第二个矩阵在C中定义为

int-matrix[3][2]

然后，3D矩阵表示它具有以下定义：

int 3D_array[3][2][3]

在numpy中，如果我尝试使用3d矩阵：

>>> input = numpy.matrix((((2, 3), (4, 5)), ((6, 7), (8, 9))))
ValueError: matrix must be 2-dimensional

埃姆雷的回答是正确的，但我仍然想谈谈numpy矩阵的使用，这可能是你困惑的根源

---

如果对使用

numpy.matrix

有疑问，请选择

ndarray

s：

• Matrix

  实际上是一个

  ndarray

  子类：矩阵所能做的一切，

  ndarray

  都能做（反之不完全正确）
• 矩阵重写

  *

  和

  **

  运算符，并且

  矩阵

  和

  数据数组

  之间的任何操作都将返回

  矩阵

  ，这对于某些算法来说是有问题的

更多关于

ndarray

vs

matrix

的辩论，以及

---

从

matrix

对象继承自ndarray，因此它们具有与ndarray相同的属性和方法。但是，矩阵对象有六个重要的区别，当您使用矩阵时，可能会导致意外的结果，但期望它们像数组一样工作：

• 可以使用字符串表示法创建矩阵对象，以允许使用Matlab风格的语法，其中空格分隔列，分号（“；”）分隔行

• 矩阵对象始终是二维的。这具有深远的意义，因为m.ravel（）仍然是二维的（第一维中有一个1），而项选择返回二维对象，因此序列行为与数组有根本不同

• 矩阵对象的乘搭乘法为矩阵乘法。请确保您对可能希望接收矩阵的函数了解这一点。特别是考虑到asanyarray（m）在m是矩阵时返回矩阵的事实

• 矩阵对象超过乘座功率，将矩阵提升为幂。关于在使用asanyarray（…）获取数组对象的函数中使用power的警告也适用于此事实

• 矩阵对象的默认

  \u数组\u优先级\u

  为10.0，因此与ndarray的混合操作始终生成矩阵

• 矩阵具有使计算更容易的特殊属性。[……]

埃姆雷的回答是正确的，但我仍然想谈谈numpy矩阵的使用，这可能是你困惑的根源

---

如果对使用

numpy.matrix

有疑问，请选择

ndarray

s：

• Matrix

  实际上是一个

  ndarray

  子类：矩阵所能做的一切，

  ndarray

  都能做（反之不完全正确）
• 矩阵重写

  *

  和

  **

  运算符，并且

  矩阵

  和

  数据数组

  之间的任何操作都将返回

  矩阵

  ，这对于某些算法来说是有问题的

更多关于

ndarray

vs

matrix

的辩论，以及

---

从

matrix

对象继承自ndarray，因此它们具有与ndarray相同的属性和方法。但是，矩阵对象有六个重要的区别，当您使用矩阵时，可能会导致意外的结果，但期望它们像数组一样工作：

• 可以使用字符串表示法创建矩阵对象，以允许使用Matlab风格的语法，其中空格分隔列，分号（“；”）分隔行

• 矩阵对象始终是二维的。这具有深远的意义，因为m.ravel（）仍然是二维的（第一维中有一个1），而项选择返回二维对象，因此序列行为与数组有根本不同

• 矩阵对象的乘搭乘法为矩阵乘法。请确保您对可能希望接收矩阵的函数了解这一点。特别是考虑到asanyarray（m）在m是矩阵时返回矩阵的事实

• 矩阵对象超过乘座功率，将矩阵提升为幂。关于在使用asanyarray（…）获取数组对象的函数中使用power的警告也适用于此事实

• 矩阵对象的默认

  \u数组\u优先级\u

  为10.0，因此与ndarray的混合操作始终生成矩阵

• 矩阵具有使计算更容易的特殊属性。[……]

---

+1，您需要记住，Numpy的

matrix

类应该用于“实际矩阵”：使用矩阵乘法进行乘法的2D数组，而使用eleme进行乘法的“常规”数组适用于任何维度