Python学习（八）

参考资料：

https://github.com/lijin-THU/notes-python（相应实体书为：《自学Python——编程基础、科学计算及数据分析》）

从Matlab到Numpy

1. Numpy和Matlab比较

2. array还是matrix?（数组 VS 矩阵）

Numpy 中不仅提供了 array 这个基本类型，还提供了支持矩阵操作的类 matrix，但是一般推荐使用数组array：

• 很多 numpy 函数返回的是 array，不是 matrix
• 在 array 中，逐元素操作和矩阵操作有着明显的不同
• 向量可以不被视为矩阵

具体说来：

• *， dot(), multiply()
  • array：* -逐元素乘法，dot() -矩阵乘法
  • matrix：* -矩阵乘法，multiply() -逐元素乘法
• 处理向量
  • array：形状为 1xN, Nx1, N 的向量的意义是不同的，类似于 A[:,1] 的操作返回的是一维数组（shape为（N,）），形状为 N，一维数组的转置仍是自己本身
  • matrix：形状为 1xN, Nx1，A[:,1] 返回的是二维 Nx1 矩阵
• 高维数组
  • array：支持大于2的维度
  • matrix：维度只能为2
• 属性
  • array：.T 表示转置
  • matrix：.H 表示复共轭转置，.I 表示逆，.A 表示转化为 array 类型
• 构造函数
  • array：array 函数接受一个（嵌套）序列作为参数——array([[1,2,3],[4,5,6]])
  • matrix：matrix 函数额外支持字符串参数——matrix("[1 2 3; 4 5 6]")

其优缺点各自如下：

• array

  • [GOOD] 一维数组既可以看成列向量，也可以看成行向量。v 在 dot(A,v) 被看成列向量，在 dot(v,A) 中被看成行向量，这样省去了转置的麻烦
  • [BAD!] 矩阵乘法需要使用 dot() 函数，如： dot(dot(A,B),C) vs A*B*C
  • [GOOD] 逐元素乘法很简单： A*B
  • [GOOD] 作为基本类型，是很多基于 numpy 的第三方库函数的返回类型
  • [GOOD] 所有的操作 *,/,+,**,... 都是逐元素的
  • [GOOD] 可以处理任意维度的数据
  • [GOOD] 张量运算

• matrix

  • [GOOD] 类似与 MATLAB 的操作
  • [BAD!] 最高维度为2
  • [BAD!] 最低维度也为2
  • [BAD!] 很多函数返回的是 array，即使传入的参数是 matrix
  • [GOOD] A*B 是矩阵乘法
  • [BAD!] 逐元素乘法需要调用 multiply 函数
  • [BAD!] / 是逐元素操作

当然在实际使用中，二者的使用取决于具体情况。

二者可以互相转化：

• asarray ：返回数组
• asmatrix（或者mat） ：返回矩阵
• asanyarray ：返回数组或者数组的子类，注意到矩阵是数组的一个子类，所以输入是矩阵的时候返回的也是矩阵

3. 类Matlab函数：ones, zeros, empty, eye, rand, repmat

注：通常这些函数返回值为array；为了得到matrix返回值，可使用matlib子模块

 1 import numpy
 2 import numpy.matlib
 3 
 4 a = numpy.ones(7)
 5 print(a.shape)　　#(7,)
 6 print(type(a))　　#<class ‘numpy.ndarray‘>
 7 
 8 a = numpy.matlib.ones(7)
 9 print(a.shape)　　#(1,7)
10 print(type(a))　　#<class ‘numpy.matrixlib.defmatrix.matrix‘>

• mat函数将数组转化为矩阵：a = numpy.array([1,2,3])；b = numpy.mat(a)
• 类似于利用matlib模块生成矩阵，还有部分函数也被放到子模块中了，如调用rand()函数需要使用numpy.random.rand()　　// a = numpy.random.rand(10)

4. 等效操作

1 from numpy import *
2 import scipy.linalg
#以下linalg代表numpy.linalg，与scipy.linalg不同

MATLAB 与 Numpy 下标之间有这样几处不同：

• 1-base vs 0-base
• () vs []
• MATLAB：beg(:step):end，包含结束值 end
• Numpy：beg:end(:step)，不包含结束值 end

参考：http://wiki.scipy.org/NumPy_for_Matlab_Users#whichNotes

Python学习（八）

原文：https://www.cnblogs.com/hg-love-dfc/p/10291708.html