python - 混合 numpy 矩阵和数组的危险

Question

我正在处理的科学/工程应用程序有很多线性代数矩阵乘法，因此我使用 Numpy 矩阵。但是，python 中有许多函数可以互换地接受矩阵或数组类型。很好，不是吗？好吧，不是真的。让我用一个例子来说明这个问题:

from scipy.linalg import expm
from numpy import matrix

# Setup input variable as matrix
A = matrix([[ 0, -1.0,  0,  0],
            [ 0,  0,  0,  1.0],
            [ 0,  0,  0,  0],
            [ 0,  0,  1.0,  0]])

# Do some computation with that input
B = expm(A)

b1 = B[0:2, 2:4]
b2 = B[2:4, 2:4].T

# Compute and Print the desired output
print "The innocent but wrong answer:"
print b2 * b1

print "The answer I should get:"
print matrix(b2) * matrix(b1)

运行时得到:

The innocent but wrong answer:
[[-0.16666667 -0.5       ]
 [ 0.          1.        ]]
The answer I should get, since I expected everything to still be matrices:
[[ 0.33333333  0.5       ]
 [ 0.5         1.        ]]

关于如何避免这种混淆的任何提示或建议？将变量包装在 matrix() 调用中以确保它们仍然是矩阵真的很麻烦。这方面似乎没有标准，因此可能导致难以检测的错误。

Answer 1

出于以下几个原因，我倾向于在 numpy 中使用 array 而不是 matrix:

1. matrix 严格来说是二维的，而您可以拥有任意维度的 numpy array。
2. 除了一些差异之外，array 和matrix 操作非常相似interchangeable对于 Matlab 用户。
3. 如果您始终使用 array，那么您将使用 numpy.dot()(或者在 Python 3.5 中使用新的 @ 二元运算符)用于矩阵乘法。这将防止不确定 * 在您的代码中实际做了什么的问题。当您遇到乘法错误时，您可以更轻松地发现问题，因为您确定要执行哪种乘法。

所以我建议您尝试坚持使用 numpy.array，但也要记住 array 和 matrix 之间的区别。

最后，我发现在 bpython 上使用 numpy/scipy 是一种乐趣.自动提示可以帮助您以比不断查阅 numpy/scipy 文档更快的速度了解您尝试使用的函数的属性。

编辑: array 与 matrix 之间的区别可能最好在这里回答:'array' or 'matrix'? Which should I use?