python - np.matrix(np.array([0,0])) 和 np.matrix([0,0]) 有区别吗？

Question

我正在读这个code ，用于从头开始实现线性回归:

# convert from data frames to numpy matrices
X = np.matrix(X.values)
y = np.matrix(y.values)
theta = np.matrix(np.array([0,0]))

当我遇到这条线时:

np.matrix(np.array([0,0]))

我想知道为什么那个人不直接写 np.matrix([0,0]) .

我在 jupyter notebook 中运行了两个并得到了相同的输出:

theta = np.matrix([0,0])
theta2 = np.matrix(np.array([0,0]))
print(theta,theta2,type(theta),type(theta2))

输出:[[0 0]] [[0 0]] <class 'numpy.matrix'> <class 'numpy.matrix'>

两者有区别吗？额外的np.array以某种方式部分添加到 theta 的功能？如果将前者替换为后者，最终代码是否能正常运行？

Answer 1

奇怪的是，matrix(array([0,0])) 创建了一个拥有其数据的干净对象

>>> np.matrix(np.array([0,0])).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix(np.array([0,0])).base

而 matrix([0,0]) 似乎是一个匿名数组的 View 。

>>> np.matrix([0,0]).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix([0,0]).base
array([0, 0])

所以，matrix(array(..)) 中额外的 array 似乎避免了困惑，尽管对我来说更深层次的原因仍然是个谜。