python - 为什么相同的符号显示数组和矩阵的逐元素乘法，就像矩阵的乘法一样？

Question

在下面的代码中，为什么相同的符号 * 显示矩阵和数组的不同行为？为什么它不显示矩阵的逐元素乘法？

a= np.arange(2*3).reshape(2,3)
print(a)
b= np.array([[0,0,0],[1,1,1]])
print(b)
c= a*b
print(c)


d=np.matrix([[1,2],[3,4]])
e= np.matrix([[0,0],[1,1]])
f= d*e
print("d: ",d,"e: ",e)
print(f)

Answer 1

Numpy 矩阵严格来说是二维的，而 numpy 数组 (ndarrays) 是 N 维的。 Matrix对象是ndarray的子​​类，因此继承了ndarray的所有属性和方法。 Ndarrays 应用几乎所有的操作元素。

numpy 矩阵的主要优点是它们为矩阵乘法提供了一种方便的表示法:如果 a 和 b 是矩阵，则 a*b 是它们的矩阵乘积(不是按元素计算)。 np.matrix 的元素运算是通过np.multiply(a,b) 获得的。

从 Python 3.5 开始，NumPy 支持使用 @ 运算符的中缀矩阵乘法。因此，np.matrix 的* 乘积等同于np.array 的@ 乘积。在您的代码中:

a= np.arange(2*2).reshape(2,2)
#> a = [[0 1]
#       [2 3]]
b= np.array([[0,0],[1,1]])
#> b = [[0 0]
#       [1 1]]
a@b
#>[[1 1]
#  [3 3]]
a*b
#>[[0 0]
#  [2 3]]


d=np.matrix([[0,1],[2,3]])
e= np.matrix([[0,0],[1,1]])
d*e                 # Equivalent to a@b
#> [[1 1]
#   [3 3]]
np.multiply(d,e)    # Equivalent to a*b
#> [[0 0]
#   [2 3]]