Python中Numpy mat的使用详解

前面介绍过用dnarray来模拟，但mat更符合矩阵，这里的mat与Matlab中的很相似。(mat与matrix等同)

基本操作

>>> m= np.mat([1,2,3]) #创建矩阵>>> mmatrix([[1, 2, 3]])>>> m[0]        #取一行matrix([[1, 2, 3]])>>> m[0,1]       #第一行，第2个数据2>>> m[0][1]       #注意不能像数组那样取值了Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__  out = N.ndarray.__getitem__(self, index)IndexError: index 1 is out of bounds for axis 0 with size 1#将Python的列表转换成NumPy的矩阵>>> list=[1,2,3]>>> mat(list)matrix([[1, 2, 3]])#Numpy dnarray转换成Numpy矩阵>>> n = np.array([1,2,3])>>> narray([1, 2, 3])>>> np.mat(n)matrix([[1, 2, 3]])#排序>>> m=np.mat([[2,5,1],[4,6,2]])  #创建2行3列矩阵>>> mmatrix([[2, 5, 1],    [4, 6, 2]])>>> m.sort()          #对每一行进行排序>>> mmatrix([[1, 2, 5],    [2, 4, 6]])>>> m.shape           #获得矩阵的行列数(2, 3)>>> m.shape[0]         #获得矩阵的行数2>>> m.shape[1]         #获得矩阵的列数3#索引取值>>> m[1,:]           #取得第一行的所有元素matrix([[2, 4, 6]])>>> m[1,0:1]          #第一行第0个元素，注意左闭右开matrix([[2]])>>> m[1,0:3]matrix([[2, 4, 6]])>>> m[1,0:2]matrix([[2, 4]])

矩阵求逆、行列式

与Numpy array相同，可参考链接。

矩阵乘法

矩阵乘，与Numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。

>>> a = np.mat([[1,2,3], [2,3,4]])>>> b = np.mat([[1,2], [3,4], [5,6]])>>> amatrix([[1, 2, 3],    [2, 3, 4]])>>> bmatrix([[1, 2],    [3, 4],    [5, 6]])>>> a * b     #方法一matrix([[22, 28],    [31, 40]])>>> np.matmul(a, b)  #方法二matrix([[22, 28],    [31, 40]])>>> np.dot(a, b)   #方法三matrix([[22, 28],    [31, 40]])

点乘，只剩下multiply方法了。

>>> a = np.mat([[1,2], [3,4]])>>> b = np.mat([[2,2], [3,3]])>>> np.multiply(a, b)matrix([[ 2, 4],    [ 9, 12]])

矩阵转置

转置有两种方法：

>>> amatrix([[1, 2],    [3, 4]])>>> a.T      #方法一，ndarray也行matrix([[1, 3],    [2, 4]])>>> np.transpose(a)  #方法二matrix([[1, 3],    [2, 4]])

值得一提的是，matrix中求逆还有一种简便方法（ndarray中不行）：

>>> amatrix([[1, 2],    [3, 4]])>>> a.Imatrix([[-2. , 1. ],    [ 1.5, -0.5]])