Python 为什么相同的符号表示数组的元素相乘和矩阵的矩阵相乘？

在下面的代码中，为什么相同的符号*对矩阵和数组显示不同的行为？为什么在矩阵的情况下不显示元素相乘

a= np.arange(2*3).reshape(2,3)
print(a)
b= np.array([[0,0,0],[1,1,1]])
print(b)
c= a*b
print(c)


d=np.matrix([[1,2],[3,4]])
e= np.matrix([[0,0],[1,1]])
f= d*e
print("d: ",d,"e: ",e)
print(f)

---

Numpy矩阵是严格二维的，而Numpy数组（ndarray）是N维的。矩阵对象是ndarray的一个子类，因此它们继承ndarray的所有属性和方法。nArray几乎适用于所有操作元素

numpy矩阵的主要优点是它们为矩阵乘法提供了一种方便的表示法：如果a和b是矩阵，那么a*b是它们的矩阵乘积（不是元素）。用

np.matrix

进行的元素运算是用

np.multiply（a，b）

获得的

从Python 3.5开始，NumPy支持使用@运算符进行中缀矩阵乘法。因此，

np.matrix

的

*

乘积相当于

np.array

的

@

乘积。在代码中：

a= np.arange(2*2).reshape(2,2)
#> a = [[0 1]
#       [2 3]]
b= np.array([[0,0],[1,1]])
#> b = [[0 0]
#       [1 1]]
a@b
#>[[1 1]
#  [3 3]]
a*b
#>[[0 0]
#  [2 3]]


d=np.matrix([[0,1],[2,3]])
e= np.matrix([[0,0],[1,1]])
d*e                 # Equivalent to a@b
#> [[1 1]
#   [3 3]]
np.multiply(d,e)    # Equivalent to a*b
#> [[0 0]
#   [2 3]]

---

np.matrix

是为MATLAB用户设计的。有

*

是矩阵乘法，

*

是元素乘法

numpy

无法向python添加运算符，但它可以重载现有运算符。