如何乘法numpy的矩阵不同VS数组类？ [英] how does multiplication differ for NumPy Matrix vs Array classes?

问题描述

该numpy的文档推荐使用数组，而不是矩阵与矩阵的工作。然而，与八度（我使用，直到最近这是），*不执行矩阵乘法，你需要使用的功能matrixmultipy（）。我觉得这使得code非常不可读。

The numpy docs recommend using array instead of matrix for working with matrices. However, unlike octave (which I was using till recently), * doesn't perform matrix multiplication, you need to use the function matrixmultipy(). I feel this makes the code very unreadable.

有谁同意我的看法，并已找到了解决办法？

Does anybody share my views, and has found a solution?

推荐答案

主要的原因，以避免使用矩阵类是一个），这是本质上的2维和二）有相比于正常numpy的阵列的额外开销。如果你正在做的是线性代数，然后通过各种手段，随意使用矩阵类......我个人觉得它更多的麻烦比它的价值，虽然。

The main reason to avoid using the matrix class is that a) it's inherently 2-dimensional, and b) there's additional overhead compared to a "normal" numpy array. If all you're doing is linear algebra, then by all means, feel free to use the matrix class... Personally I find it more trouble than it's worth, though.

有关阵列（前的Python 3.5），使用 点 而不是 MatrixMultiply函数的

For arrays (prior to Python 3.5), use dot instead of matrixmultiply.

例如

import numpy as np
x = np.arange(9).reshape((3,3))
y = np.arange(3)

print np.dot(x,y)

还是在numpy的更新版本，只需使用 x.dot（Y）

就个人而言，我觉得它更具可读性比 * 运营商暗示矩阵乘法...

Personally, I find it much more readable than the * operator implying matrix multiplication...

有关在Python 3.5阵列，使用 X @是。

For arrays in Python 3.5, use x @ y.

这篇关于如何乘法numpy的矩阵不同VS数组类？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！