Python 为什么numpy.matrix的numpy.copy与原始矩阵不一样？与该副本的转置相乘不起作用

我需要在函数中使用矩阵副本。但是一份 （nx1）矩阵（向量）的行为不像它应该的那样

我举了一个例子：

x乘以y的转置给我一个法向量乘以（1x1）-矩阵的结果

x和y的副本a和b不会这样做。它们返回一个维数为（nxn）的数组。 我做错了什么？我怎么能避免呢

    >>>import numpy as np

    >>>x=np.matrix('1;2;3')
    >>>y=np.matrix('1;1;-1')

    >>>x.T*y
    matrix([[0]])

    >>>a=np.copy(x)
    >>>b=np.copy(y)

    >>>a.T*b
    array([[ 1,  2,  3],
           [ 1,  2,  3],
           [-1, -2, -3]])

---

您的原始数组属于子类

matrix

。副本是基本

数组
类。使用特定于矩阵类的复制方法
x.copy（）
，生成另一个矩阵。然后矩阵乘法运算将像以前一样工作

In [52]: x=np.matrix('1;3;3')
In [53]: x
Out[53]: 
matrix([[1],
        [3],
        [3]])
In [54]: np.copy(x)
Out[54]: 
array([[1],
       [3],
       [3]])
In [55]: x.copy()
Out[55]: 
matrix([[1],
        [3],
        [3]])

另一个答案中提出的解决方案是将
矩阵
乘法替换为
np.array
（
np.dot
）的等效乘法。
如果要复制矩阵，则不要使用
numpy.copy
，而是使用
矩阵
上的
copy
方法

>>> x = np.matrix('1;3;3')
>>> x.copy()
matrix([[1],
        [3],
        [3]])

另一种选择是使用
numpy.array（x，copy=True，subok=True）

请注意，
numpy.copy
只是
numpy.array（x，copy=True）
的别名，这会导致向下转换输入