numpy中matrix和array的区别

Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。

在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a*b，就是矩阵积。

import numpy as np

a=np.mat('4 3; 2 1')
b=np.mat('1 2; 3 4')
print(a)
# [[4 3]
#  [2 1]]
print(b)
# [[1 2]
#  [3 4]]
print(a*b)  #矩阵乘法
# [[13 20]
#  [ 5  8]]

 matrix 和 array 都可以通过objects后面加.T 得到其转置。但是 matrix objects 还可以在后面加 .H f得到共轭矩阵, 加 .I 得到逆矩阵。

 相反的是在numpy里面arrays遵从逐个元素的运算，所以array：c 和d的c*d运算相当于matlab里面的c.*d运算。

c=np.array([[4, 3], [2, 1]])
d=np.array([[1, 2], [3, 4]])
print(c*d)  #这里是对应元素相同
# [[4 6]
#  [6 4]]

而矩阵相乘，则需要numpy里面的dot命令 :

print(np.dot(c,d))
# [[13 20]
#  [ 5  8]]

** 运算符的作用也不一样 ：

print(a**2)  #a是matrix，所以a**2是a与a的矩阵相乘
# [[22 15]
#  [10  7]]
print(c**2)  #c是array，c**2相当于c中的元素逐个平方
# [[16  9]
#  [ 4  1]]

numpy mat 与 matrix函数的区别

简单的说： 
Tmn = mat(vTmn) 
如果vTmn是 matrix或者ndarray则： 
此时Tmn和vTmn指向同一个对象

而 
Tmn = matrix(vTmn) 
Tmn是一个全新的对象