NumPy中Matrix与Array的加减乘运算区别详解

1. 针对数组（array）类型

乘法操作

执行的是对应位置元素的逐位相乘：

X1 = np.array([[1,2], [3, 4]])
X2 = X1
print X2*X1
[[ 1 4]
 [ 9 16]]

加法操作

执行的是对应位置元素的逐位相加：

X1 = np.array([[1,2], [3, 4]])
X2 = X1
print X2+X1
[[2 4]
 [6 8]]

2. 针对矩阵（matrix）类型

乘法操作

默认执行矩阵的点积运算：

X1 = np.matrix([[1,2], [3, 4]])
X2 = X1
print X2*X1
[[ 7 10]
 [15 22]]

加法操作

存在两种情形。第一种是当X1与X2形状一致时，执行普通的矩阵相加，即对应位置元素相加：

X1 = np.matrix([[1,2], [3, 4]])
X2 = X1
print X2+X1
[[2 4]
 [6 8]]

第二种情形是当X1为n×1维度而X2为m×1维度（或反之）时，结果将生成一个n×m维度的矩阵：

X1 = np.matrix([[1,2,3]])
X2 = np.matrix([[1,2,3,4]]).T
print X2+X1
[[2 3 4]
 [3 4 5]
 [4 5 6]
 [5 6 7]]

3. 混合使用情形

在NumPy中，matrix与array的运算符存在混用情况，程序虽能执行通过，但这种做法并不推荐，建议严格遵循上述原则进行使用。

若需对二维array执行矩阵点乘运算，可调用np.dot(X1, X2)。

若需对matrix执行对应位置的元素相乘，可调用np.multiply(X2, X1)。

以上关于NumPy中matrix与array加减乘运算的实例解析即为全部内容，希望能对读者有所帮助，也欢迎大家继续支持本站。