np.mat()、np.matrix()、np.array()函数解析（最清晰的解释）

转载

mb5ffd6f9bd73a3 2019-08-06 14:31:00

np.mat()函数用于将输入解释为矩阵。

np.matrix()函数用于从类数组对象或数据字符串返回矩阵。

np.array()函数用于创建一个数组。

1、np.mat()

np.mat(data, dtype=None)

不同于np.matrix，如果输入本身就已经是matrix或ndarray ，则np.asmatrix不会复制输入，而是仅仅创建了一个新的引用。

相当于np.matrix(data, copy=False)。

参数：

data：array_like。输入数据。
dtype：数据类型。输出矩阵的数据类型。

mat：矩阵。数据被解释为矩阵。

例子1：

>>> x = np.array([[1, 2], [3, 4]])
>>> m = np.asmatrix(x)
>>> x[0,0] = 5
>>> m
matrix([[5, 2],
        [3, 4]])

2、np.matrix()

class numpy.matrix(data, dtype=None, copy=True)

注意
不再建议使用此类，即使对于线性代数也是如此。而是使用常规数组。该课程将来可能会被删除。

矩阵是一种专用的二维阵列，通过操作保留其二维特性。

它有一些特殊的运算符，如* （矩阵乘法）和 **（矩阵幂）。

参数：

data ： array_like或string。如果data是字符串，则将其解释为以逗号或空格分隔列的矩阵，以及分隔行的分号。
dtype ：数据类型。输出矩阵的数据类型。
copy ：布尔。如果data已经是ndarray，则此标志确定是复制数据（默认值）还是构造视图。

例子2：

>>> a = np.matrix('1 2; 3 4')
>>> a
matrix([[1, 2],
        [3, 4]])

>>> np.matrix([[1, 2], [3, 4]])
matrix([[1, 2],
        [3, 4]])

3、np.array()

numpy.array(object, 
      dtype=None, 
      copy=True, 
      order='K', 
      subok=False, 
      ndmin=0)

参数：

object ： array_like
数组，公开数组接口的任何对象，__array__方法返回数组的对象，或任何（嵌套）序列。
dtype ：数据类型，可选
数组所需的数据类型。如果没有给出，那么类型将被确定为保持序列中的对象所需的最小类型。此参数只能用于“upcast”数组。对于向下转换，请使用.astype（t）方法。
copy ： bool，可选
如果为true（默认值），则复制对象。否则，只有当__array__返回副本，obj是嵌套序列，或者需要副本来满足任何其他要求（dtype，顺序等）时，才会进行复制。
order ： {‘K’，‘A’，‘C’，‘F’}，可选
指定阵列的内存布局。如果object不是数组，则新创建的数组将按C顺序排列（行主要），除非指定了’F’，在这种情况下，它将采用Fortran顺序（专业列）。如果object是一个数组，则以下成立。

order	no copy	copy=True
‘K’	unchanged	F & C order preserved, otherwise most similar order
‘A’	unchanged	F order if input is F and not C, otherwise C order
‘C’	C order	C order
‘F’	F order	F order

当copy=False出于其他原因而复制时，结果copy=True与对A的一些例外情况相同。默认顺序为“K”。

subok ： bool，可选。如果为True，则子类将被传递，否则返回的数组将被强制为基类数组（默认）。
ndmin ： int，可选。指定结果数组应具有的最小维数。为满足此要求，将根据需要预先设置形状。

out ： ndarray。满足指定要求的数组对象。

例子3：

>>>
>>> np.array([1, 2, 3])
array([1, 2, 3])

上溯造型：

>>>
>>> np.array([1, 2, 3.0])
array([ 1.,  2.,  3.])

不止一个方面：

>>>
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
       [3, 4]])

最小尺寸2：

>>>
>>> np.array([1, 2, 3], ndmin=2)
array([[1, 2, 3]])

提供的类型：

>>>
>>> np.array([1, 2, 3], dtype=complex)
array([ 1.+0.j,  2.+0.j,  3.+0.j])

由多个元素组成的数据类型：

>>>
>>> x = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')])
>>> x['a']
array([1, 3])
```py
从子类创建数组：
```py
>>>
>>> np.array(np.mat('1 2; 3 4'))
array([[1, 2],
       [3, 4]])
>>>
>>> np.array(np.mat('1 2; 3 4'), subok=True)
matrix([[1, 2],
        [3, 4]])