将大的numpy数组与自身相乘时出现奇怪的结果

Question

当计算大型的Numpy数组时，我遇到了奇怪的结果。

A=np.matrix('1 2 3;3 4 7;8 9 6') 
A=([[1, 2, 3], 
    [3, 4, 7], 
    [8, 9, 6]]) 

A * A完成预期的点积：

A*A=([[ 31, 37, 35], 
    [ 71, 85, 79], 
    [ 83, 106, 123]]) 

但具有较大的矩阵200X200我得到不同的回应：

B=np.random.random_integers(0,10,(n,n)) 
B=array([[ 2, 0, 6, ..., 7, 3, 7], 
    [ 4, 9, 1, ..., 6, 7, 5], 
    [ 3, 1, 8, ..., 7, 3, 8], 
    ..., 
    [ 8, 4, 10, ..., 5, 4, 4], 
    [ 6, 6, 3, ..., 7, 2, 9], 
    [ 2, 10, 10, ..., 5, 7, 4]]) 

现在乘乙为B

B*B 
array([[ 4, 0, 36, ..., 49, 9, 49], 
    [ 16, 81, 1, ..., 36, 49, 25], 
    [ 9, 1, 64, ..., 49, 9, 64], 
    ..., 
    [ 64, 16, 100, ..., 25, 16, 16], 
    [ 36, 36, 9, ..., 49, 4, 81], 
    [ 4, 100, 100, ..., 25, 49, 16]]) 

我得到每个e lement平方和不是矩阵*矩阵 我做了什么不同？

Answer 1

您似乎使用matrix类型已经创建A，而B是ndarray型的（np.random.random_integers返回一个数组，而不是一个矩阵）。运算符*对前者执行矩阵乘法，对后者执行元素乘法。

从np.matrix的documentation：

矩阵是一个专门的2-d阵列，其保存通过操作它的2 d的性质。它有一些特殊的运算符，如*（矩阵乘法）和**（矩阵功率）。

顺便说一句，如果你在相同的操作使用两种不同类型，NumPy的将使用属于具有最高优先级的元素运营商：

>>> A = np.matrix('1 2 3;3 4 7;8 9 6') 
>>> B = np.array(A) # B is of array type, A is of matrix type 
>>> A * B 
matrix([[ 31, 37, 35], 
     [ 71, 85, 79], 
     [ 83, 106, 123]]) 

>>> B * A 
matrix([[ 31, 37, 35], 
     [ 71, 85, 79], 
     [ 83, 106, 123]]) 

>>> A.__array_priority__ 
10.0 
>>> B.__array_priority__ 
0.0 

Answer 2

你得到这样的结果，因为B是类型numpy.ndarray不numpy.matrix

>>> type(np.random.random_integers(0,10,(n,n))) 
<type 'numpy.ndarray'> 

而是使用

B=np.matrix(np.random.random_integers(0,10,(n,n)))