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?,python,numpy,Python,Numpy,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
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。