numpy中数组和矩阵的区别

• matrix是array的分支，matrix和array在很多时候都是通用的，用哪一个都一样；
• 如果两个可以通用，那就选择array，因为array更灵活，速度更快，很多人把二维的array也翻译成矩阵。
• 相同点：索引方式相同，都可以使用a[i][j]，a[i,j]进行索引
• matrix（矩阵）：

1. 具有相对简单的运算符号，比如两个matrix相乘（求内积），就是用符号*

• array（数组）：
• 1.两个一维数组相乘用*，对应元素相乘

• import numpy as np
  a=np.array([1,2,3,4])
  b=np.array([2,3,4,5])
  print(a*b)
  print(sum(a*b))
  
  #结果
  [ 2  6 12 20]
  40

1. 多维数组也可以看成矩阵，如果进行矩阵相乘（求内积），则需要用到np.dot(），如np.dot(arr.T,arr)

• 两者转换：

• import numpy as np
  
  """rand函数的作用就是从标准正态分布中返回一个或多个样本值，
      这里返回2行3列共6个数的数组。
  标准正态分布俗称高斯分布,均值为0，方差为1的正态分布。"""
  
  arr=np.random.rand(2,3)
  b=np.dot(arr.T,arr)  #把数组当成矩阵，对应元素相乘求内积
  #将数组转化成矩阵
  arr_Matrix=mat(arr)  #等同于arr_Matrix=matrix(arr) ,mat是matrix的缩写
  c=arr_Matrix.T * arr_Matrix  #矩阵直接相乘
  
  #将结果输出
  print("arr:\n{}\ntype(arr):{}".format(arr,type(arr)))
  print("数组（矩阵）内积：\n",b)
  
  print("arr_Matrix:\n{}\ntype(arr_Matrix):{}".format(arr_Matrix,type(arr_Matrix)))
  print("矩阵乘积：\n",c)
  
  #比较两者乘积是否相等
  print("数组矩阵内积=矩阵乘积：\n",b==c)
  
  
  #运行结果如下:
  arr:
  [[0.93383594 0.70401786 0.95323492]
   [0.7970047  0.21436019 0.24329003]]
  type(arr):<class 'numpy.ndarray'>
  数组（矩阵）内积：
   [[1.50726605 0.82828326 1.08406832]
   [0.82828326 0.54159144 0.72324611]
   [1.08406832 0.72324611 0.96784685]]
  arr_Matrix:
  [[0.93383594 0.70401786 0.95323492]
   [0.7970047  0.21436019 0.24329003]]
  type(arr_Matrix):<class 'numpy.matrixlib.defmatrix.matrix'>
  矩阵乘积：
   [[1.50726605 0.82828326 1.08406832]
   [0.82828326 0.54159144 0.72324611]
   [1.08406832 0.72324611 0.96784685]]
  数组矩阵内积=矩阵乘积：
   [[ True  True  True]
   [ True  True  True]
   [ True  True  True]]