问NumPy矩阵与数组类的乘法有何不同？

EN

在3.5中，Python最终实现了got a matrix multiplication operator。语法为a @ b。

避免使用matrix类的主要原因是: a)它本质上是二维的，b)与“普通”numpy数组相比有额外的开销。如果你所做的一切都是线性代数，那么请随意使用矩阵类……不过，就我个人而言，我发现它的麻烦比它的价值更大。

对于数组(Python3.5之前的版本)，请使用dot而不是matrixmultiply。

例如。

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

print np.dot(x,y)

或者在较新版本的numpy中，只需使用x.dot(y)

就我个人而言，我发现它比暗示矩阵乘法的*运算符更具可读性……

对于Python3.5中的数组，请使用x @ y。

在处理数组和处理矩阵时，点运算符会给出不同的答案。例如，假设如下所示：

>>> a=numpy.array([1, 2, 3])
>>> b=numpy.array([1, 2, 3])

让我们将它们转换为矩阵：

>>> am=numpy.mat(a)
>>> bm=numpy.mat(b)

现在，我们可以看到这两种情况的不同输出：

>>> print numpy.dot(a.T, b)
14
>>> print am.T*bm
[[1.  2.  3.]
 [2.  4.  6.]
 [3.  6.  9.]]