Python Matplotlib打印numpy.matrix类型的奇怪行为

我有一些用

numpy.matrix

类型进行计算的结果

import numpy as np
import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

# [...]

# Downsampling for plotting
# type(verts):  np.matrix
# verts.shape:  (3, 700000)

verts = verts_small[:, ::1000]

ax.plot(verts[0, :], verts[1, :], verts[2, :], 'o')

这有奇怪的行为。将所有点绘制成一条直线

如果相反：

verts = np.array(verts[:, ::1000])

---

3D绘图按预期工作。这是一个预期的行为还是一个bug？

正如hpaulj所提到的，这里的问题是结果是2d：

>>> verts = np.zeros((3, 100))
>>> verts_m = np.matrix(verts)
>>> verts[0, :].shape
(100,)
>>> verts_m[0, :].shape
(1, 100)

至关重要的是，这会破坏任何希望能够在2d数组的列或行上迭代的代码：

>>> len(verts)
100
>>> len(verts_m)
1

更糟糕的是，

verts\u m

甚至不能作为列表列表：

>>> len(verts[0])
1
>>> len(verts[0][0])
1
>>> len(verts[0][0][0][0][0][0][0][0][0][0])
1

---

本质上，当涉及到numpy操作时，

np.matrix

打破了大多数关于形状的规则。要在

matplotlib

中支持它，他们需要故意绕过这些规则中断，或者强制输入为标准

np.array

s.

请记住，当索引

np.matrix

时，结果仍然是2d。

np.ndarray

可能是1d（取决于你的索引方式）。“np.matrix的奇怪行为一般来说并不奇怪。编写处理np.matrix的代码很困难，因为它无法转换为一维数组。有人说在immintent版本中不推荐

np.matrix

，但我们还没有做到。无论如何，我强烈建议不要使用它。“把一切都当作一个矩阵”思维的问题是，现在每个数字列表都可以是水平的或垂直的，所有的东西都需要处理这个问题。我认为真正的问题是，

np.matrix

捆绑了一个半有用的特性，

*

总是意味着

np.dot

，非常令人沮丧的是，一切都是2dIMO，

一些矩阵。重塑（（2，1，3，1））。形状！=（2,1,3,1）

完全正确evil@hpaulij是的，谢谢。在文档上看到了这一点。：）@埃里克：古典数学已经是这样了。向量是列向量（所以是垂直的）。在这个假设下，只要使用矩阵乘法的定义，就很容易做任何事情。（例如，标量积

v.T*u

、范数

v.T*v

、线性运算符

A*v

、矩阵x矩阵

A*B

。一切都是完美的。：）。但我相信这是一个意见的问题，也许有些应用程序不需要这样做。谢谢你们富有成果的讨论。