本文共 1295 字，大约阅读时间需要 4 分钟。

numpy/reference: https://docs.scipy.org/doc/numpy-1.10.0/reference/generated/

数据array相乘，矩阵matrix相乘运算的差别

MATLAB中矩阵相乘用星号"*"，元素相乘用点星 ".*"

对于array数据，对应元素相乘也就是每个元素的平方，直接用星号*

a=np.array([[1,2,3],           [4,5,6]])print(a*a)print(a**2) # 对应元素相乘,结果相等

结果都是：

[[ 1  4  9] [16 25 36]]

对于array数据，矩阵的乘法用函数 np.dot()

a=np.array([[1,2,3],           [4,5,6]])print( np.dot(a,a.T))  print( a.dot(a.T)) #另一种写法

结果都是：

[[14 32] [32 77]]

对于matrix数据，对应元素相乘，即元素平方，用函数 np.multiply(a,a)

a=np.mat([[1,2,3],          [4,5,6]])np.multiply(a,a)

结果：

matrix([[ 1,  4,  9],        [16, 25, 36]])

对于matrix数据，矩阵乘法， 用星号* ，或者函数， np.dot()

a=np.mat([[1,2,3],          [4,5,6]])print (np.dot(a,a.T))   #矩阵乘法print (a*a.T)

结果：matrix([[14, 32],        [32, 77]])

其它一些矩阵运算：

数据array的指数运算，使用**，

a=np.array([[-1,2,3],            [2,-4,6]])print(a**3)

array([[ -1,   8,  27],       [  8, -64, 216]], dtype=int32)

合并数组

import numpy as np#np.hstack(a,b)#!注意 只接受一个参数，list或者tuple#np.vstack(a,b)a1 = np.array([[1,2],             [4,5]])a2 = np.array([3,6])a2.shape=1,2print(np.vstack((a1,a2)))#垂直放，列要求相等a2.shape=2,1print(np.hstack([a1,a2]))#水平放，行要求相等

一维的array不区分行列，所以转置操作无效。可以通过shape属性，变为二维再使用转置

用数组的shape属性调整维度，升维降维，等价于reshape (r,c)

特征向量按特征值排序

value,eigvector = np.linalg.eig(Cx) indices = np.argsort(value)   indices[::-1]eigvector[:,indices]