numpy
没有与”矩阵“分开的”向量“的概念。它确实h即“矩阵”和“阵列”的不同概念,但大多数人完全避免了矩阵表示。如果使用数组,则“矢量”,“矩阵”和“张量”的概念都归入数组“形状”属性的一般概念之下。
在这个世界观中,向量和矩阵都是二维数组,仅由它们的形状来区分。行向量是形状为(1, n)
的数组,而列向量是形状为(n, 1)
的数组。矩阵是形状为(n, m)
的阵列。一维数组有时可能会像向量一样表现,这取决于上下文,但是经常会发现,除非您“升级”它们,否则您将无法获得所需的内容。
记住这一切,下面是你的问题的一个可能的答案。首先,我们创建一个一维数组:
>>> a1d = numpy.array([1, 2, 3])
>>> a1d
array([1, 2, 3])
现在我们重塑它以创建列向量。 -1
这里告诉numpy
找出输入的正确大小。
>>> vcol = a1d.reshape((-1, 1))
>>> vcol
array([[1],
[2],
[3]])
观察这个开头和结尾的加括号。这是一个微妙的提示,这是一个二维阵列,即使一个维度的大小只有1个。
我们可以做同样的事情,交换维度,得到一个行。再次注意双括号。
>>> vrow = a1d.reshape((1, -1))
>>> vrow
array([[1, 2, 3]])
您可以知道这些是2- d阵列,因为1-d阵列将在其shape
元组只有一个值:
>>> a1d.shape
(3,)
>>> vcol.shape
(3, 1)
>>> vrow.shape
(1, 3)
为了建立从我们可以列向量的矩阵使用hstack
。还有很多其他方法可能会更快,但这是一个很好的起点。这里请注意,[vcol]
不是numpy
对象,而是一个普通的python列表,因此[vcol] * 3
的含义与[vcol, vcol, vcol]
相同。
>>> mat = numpy.hstack([vcol] * 3)
>>> mat
array([[1, 1, 1],
[2, 2, 2],
[3, 3, 3]])
而vstack
给出了与行向量相同的结果。
>>> mat2 = numpy.vstack([vrow] * 3)
>>> mat2
array([[1, 2, 3],
[1, 2, 3],
[1, 2, 3]])
这是不可能的“从基质的载体构建载体矩阵”任何其他的解释会产生你真正想要的东西numpy
!
既然你提到想要做线性代数,这里有几个可能的操作。这假定您使用的是Python的最新足够版本来使用新的@
运算符,该运算符为数组的矩阵乘法提供了明确的内联符号。
对于数组,乘法是总是元素明智。但有时候会有广播。对于具有相同的形状的值,这是显而易见的逐元素乘法:
当值具有不同的形状,它们被广播一起如果可能的话,以产生合理的结果:
>>> vrow * vcol
array([[1, 2, 3],
[2, 4, 6],
[3, 6, 9]])
>>> vcol * vrow
array([[1, 2, 3],
[2, 4, 6],
[3, 6, 9]])
广播工作在你所期望的其它形状的方法:
>>> vrow * mat
array([[1, 2, 3],
[2, 4, 6],
[3, 6, 9]])
>>> vcol * mat
array([[1, 1, 1],
[4, 4, 4],
[9, 9, 9]])
如果你想有一个点的产品,你必须使用@
操作:
>>> vrow @ vcol
array([[14]])
注意与*
运营商,这是不是对称的:
>>> vcol @ vrow
array([[1, 2, 3],
[2, 4, 6],
[3, 6, 9]])
这可有点在第一混乱,因为这看起来一样vrow * vcol
,但不要上当。无论参数顺序如何,*
都会产生相同的结果。最后,对于一个矩阵矢量乘积:
>>> mat @ vcol
array([[ 6],
[12],
[18]])
再次观察差@
和*
之间:
>>> mat * vcol
array([[1, 1, 1],
[4, 4, 4],
[9, 9, 9]])
1.不幸的是,这仅存在像Python 3.5。如果您需要使用较早的版本,则所有相同的建议都适用,除了使用a @ b
的内嵌表示法之外,您必须使用np.dot(a, b)
。 numpy
的matrix
类型覆盖*
表现得像@
...但你不能做元素方式乘法或广播相同的方式!因此,即使您有较早版本,我也不建议使用matrix
类型。
你确定你想要一个实际的NumPy _matrix_而不是一个2d或3d的'np.ndarray'吗?主要区别在于NumPy矩阵的乘法遵循通常的线性代数规则,而如果将两个兼容形状的2d ndarrays相乘,则会得到一个元素乘法。如果你不是线性代数,那么你几乎肯定需要一个ndarray而不是矩阵。 –
你试图解决的大问题是什么?你可以做很多与此大致相似的事情,但我怀疑这不是一个正确的问题。部分难题是numpy没有将“矢量”概念与“矩阵”分开。它确实有“矩阵”和“阵列”的不同概念,但大多数人完全避免了矩阵表示。如果使用数组,则“矢量”,“矩阵”和“张量”的概念都归入数组“形状”属性的一般概念之下。 – senderle
@MarkDickinson我正在尝试做元素明智的线性代数。也就是说,对于最终矩阵的一个元素,例如。 array('1 2'),我想将它乘到一个矩阵('1 0,0 1')并将其乘以另一个数组,例如,转置(array('1 2')) – Hoohoo