mat（矩阵）与array（数组）区别

转载 论numpy中matrix 和 array的区别
Numpy mat必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。

在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。

import numpy as np

import numpy as np

a=np.mat([[1,2], [3,4]])
b=np.mat([[5,6],[7,8]])
print(a)
print(b)
print(a*b)

输出

[[1 2]
 [3 4]]
[[5 6]
 [7 8]]
[[19 22]
 [43 50]]

matrix 和 array 都可以通过objects后面加.T 得到其转置。但是 matrix objects 还可以在后面加 .H f得到共轭矩阵, 加 .I 得到逆矩阵。

相反的是在numpy里面arrays遵从逐个元素的运算，所以array：c 和d的cd运算相当于matlab里面的c.*d运算。

c=np.array([[4, 3], [2, 1]])
d=np.array([[1, 2], [3, 4]])
print(c*d)
# [[4 6]
#  [6 4]]

而矩阵相乘，则需要numpy里面的dot命令 :

print(np.dot(c,d))
# [[13 20]
#  [ 5  8]]

** 运算符的作用也不一样 ：

print(a**2)
# [[22 15]
#  [10  7]]
print(c**2)
# [[16  9]
#  [ 4  1]]

因为a是个matrix，所以a2返回的是aa，相当于矩阵相乘。而c是array，c*2相当于，c中的元素逐个求平方。

问题就出来了，如果一个程序里面既有matrix 又有array，会让人脑袋大。但是如果只用array，你不仅可以实现matrix所有的功能，还减少了编程和阅读的麻烦。

当然你可以通过下面的两条命令轻松的实现两者之间的转换：np.asmatrix和np.asarray