为什么 numpy.matrix 的 numpy.copy 不像原始矩阵？ 与该副本的转置相乘不起作用

Question

我需要处理函数内的矩阵副本。 但是 (nx 1) 矩阵（向量）的副本不表现得像它应该的那样。

这里我举了一个例子：

x 乘以 y 的转置给了我一个正常的向量乘法，结果是一个 (1x1) 矩阵。

x 和 y 的副本 a 和 b 不会这样做。 他们返回一个维度为 (nxn) 的数组。 我在这里做错了什么？ 我怎么能避免这种情况？

    >>>import numpy as np

    >>>x=np.matrix('1;2;3')
    >>>y=np.matrix('1;1;-1')

    >>>x.T*y
    matrix([[0]])

    >>>a=np.copy(x)
    >>>b=np.copy(y)

    >>>a.T*b
    array([[ 1,  2,  3],
           [ 1,  2,  3],
           [-1, -2, -3]])

Answer 1

您的原始数组是子类matrix 。 副本是基本array类。 使用x.copy() ，特定于矩阵类的复制方法来创建另一个矩阵。 然后矩阵乘法运算将像以前一样工作。

In [52]: x=np.matrix('1;3;3')
In [53]: x
Out[53]: 
matrix([[1],
        [3],
        [3]])
In [54]: np.copy(x)
Out[54]: 
array([[1],
       [3],
       [3]])
In [55]: x.copy()
Out[55]: 
matrix([[1],
        [3],
        [3]])

另一个答案中提出的解决方案是将matrix乘法替换为np.array ( np.dot ) 的等效乘法。

Answer 2

如果要复制，然后而是采用了矩阵， numpy.copy ，使用copy的方法matrix 。

>>> x = np.matrix('1;3;3')
>>> x.copy()
matrix([[1],
        [3],
        [3]])

另一种选择是使用numpy.array(x, copy=True, subok=True) 。

请注意， numpy.copy只是numpy.array(x, copy=True)的别名，这会导致输入的向下转换。