2维数组和1维数组的点积与矩阵和1维数组不同

Question

我使用了numpy dot函数来计算2D和1D数组的乘积。我注意到，当2D数组的类型为matrix时，而1D数组的类型为ndarray时，dot函数返回的结果与将2D数组传递给我的结果不同类型ndarray的数组。

问题：为什么结果不同？

简短示例

import numpy as np
a=[[1,2],
   [3,4],
   [5,6]]
e=np.array([1,2])
b=np.array(a)
print("Ndarrray:%s"%(type(b)))
print(b)
print("Dim of ndarray %d"%(np.ndim(b)))
be=np.dot(b,e)
print(be)
print("Dim of array*array %d\n"%(np.ndim(be)))

c=np.mat(a)
print("Matrix:%s"%(type(c)))
print(c)
print("Dim of matrix %d"%(np.ndim(c)))
ce=np.dot(c,e)
print(ce)
print("Dim of matrix*array %d"%(np.ndim(ce)))

Ndarrray:<class 'numpy.ndarray'>
[[1 2]
 [3 4]
 [5 6]]
Dim of ndarray 2
[ 5 11 17]
Dim of array*array 1

Matrix:<class 'numpy.matrix'>
[[1 2]
 [3 4]
 [5 6]]
Dim of matrix 2
[[ 5 11 17]]
Dim of matrix*array 2

Answer 1

首先，对于矩阵类：

  

注意：
  不再建议使用此类，即使对于线性   代数而是使用常规数组。该类可以在   未来。

这是因为点积中的第一个元素是矩阵类型，因此您会收到一个矩阵作为输出。但是，如果使用shape method来获得矩阵的“实际”大小，则会得到一致的结果：

import numpy as np
a=[[1,2],
   [3,4],
   [5,6]]
e=np.array([1,2])
b=np.array(a)
print("Ndarrray:%s"%(type(b)))
print(b)
print("Dim of ndarray %d"%(np.ndim(b)))
be=np.dot(b,e)
print(be)
print("Dim of array*array %d\n"%(np.ndim(be)))

c=np.mat(a)
print("Matrix:%s"%(type(c)))
print(c)
print("Dim of matrix %d"%(np.ndim(c)))
ce=np.dot(c,e)
print(ce)
print("Dim of matrix*array %d"%(np.ndim(ce))) 
print("Dim of matrix*array ",(ce.shape)) # -> ('Dim of matrix*array ', (1, 3))
print(type(ce)) # <class 'numpy.matrixlib.defmatrix.matrix'>

您有一个形状为(1,3)的矩阵，它实际上是一个向量（第1维，因为您有1行3列）

基本上，要获取矩阵实例的尺寸，应使用shape，而不是ndim

更清楚地说，如果定义一个空矩阵，则默认情况下始终为2暗：

c=np.mat([])
print(c.ndim) # 2

可能是这样设计的，因为当我们至少有2维的时候我们开始谈论矩阵