二维数组和一维数组的点积不同于矩阵和一维数组答案

【问题标题】：dot product of 2-D array and 1-D array is different from matrix and 1-D array二维数组和一维数组的点积不同于矩阵和一维数组
【发布时间】：2019-10-11 14:01:59
【问题描述】：

我使用 numpy dot 函数来计算 2D 和 1D 数组的乘积。我注意到，当二维数组的类型为 matrix 而一维数组的类型为 ndarray 时，dot 函数返回的结果与我传递一个类型为 ndarray 的二维数组时不同.

问题：为什么结果不同？

简短示例

import numpy as np
a=[[1,2],
   [3,4],
   [5,6]]
e=np.array([1,2])
b=np.array(a)
print("Ndarrray:%s"%(type(b)))
print(b)
print("Dim of ndarray %d"%(np.ndim(b)))
be=np.dot(b,e)
print(be)
print("Dim of array*array %d\n"%(np.ndim(be)))

c=np.mat(a)
print("Matrix:%s"%(type(c)))
print(c)
print("Dim of matrix %d"%(np.ndim(c)))
ce=np.dot(c,e)
print(ce)
print("Dim of matrix*array %d"%(np.ndim(ce)))

Ndarrray:<class 'numpy.ndarray'>
[[1 2]
 [3 4]
 [5 6]]
Dim of ndarray 2
[ 5 11 17]
Dim of array*array 1

Matrix:<class 'numpy.matrix'>
[[1 2]
 [3 4]
 [5 6]]
Dim of matrix 2
[[ 5 11 17]]
Dim of matrix*array 2

【问题讨论】：

标签： python arrays python-3.x numpy matrix

【解决方案1】：

首先，对于矩阵类：

注意：
不再推荐使用这个类，即使是线性的代数。而是使用常规数组。该类可能会在未来。

https://docs.scipy.org/doc/numpy/reference/generated/numpy.matrix.html

这是因为点积中的第一个元素是矩阵类型，因此您会收到一个矩阵作为输出。但是，如果您使用 shape method 来获得矩阵的“真实”大小，您将获得一致的结果：

import numpy as np
a=[[1,2],
   [3,4],
   [5,6]]
e=np.array([1,2])
b=np.array(a)
print("Ndarrray:%s"%(type(b)))
print(b)
print("Dim of ndarray %d"%(np.ndim(b)))
be=np.dot(b,e)
print(be)
print("Dim of array*array %d\n"%(np.ndim(be)))

c=np.mat(a)
print("Matrix:%s"%(type(c)))
print(c)
print("Dim of matrix %d"%(np.ndim(c)))
ce=np.dot(c,e)
print(ce)
print("Dim of matrix*array %d"%(np.ndim(ce))) 
print("Dim of matrix*array ",(ce.shape)) # -> ('Dim of matrix*array ', (1, 3))
print(type(ce)) # <class 'numpy.matrixlib.defmatrix.matrix'>

你有一个形状为(1,3)的矩阵，它实际上是一个向量（暗1，因为你有1行3列）

基本上，要获取矩阵实例的维度，您应该使用shape，而不是ndim

为了更清楚，如果您定义一个空矩阵，默认情况下总是 2 个暗淡：

c=np.mat([])
print(c.ndim) # 2

可能是这样打算的，因为当我们至少有 2-dims 时我们开始谈论矩阵

【讨论】：