)
NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。
numpy.matlib 专门用于创建和操作 矩阵（matrix） 对象。虽然 NumPy 的核心支持多维数组（ndarray），numpy.matlib 提供了一些方便的函数，专门返回矩阵类型，便于用户进行传统的线性代数运算。
一个
的矩阵是一个由
行（row）
列（column）元素排列成的矩形阵列。
矩阵里的元素可以是数字、符号或数学式。以下是一个由 6 个数字元素构成的 2 行 3 列的矩阵：
转置矩阵
NumPy 中除了可以使用 numpy.transpose 函数来对换数组的维度，还可以使用 T 属性。。
例如有个 m 行 n 列的矩阵，使用 t() 函数就能转换为 n 行 m 列的矩阵。
实例
import numpy as np a = np.arange(12).reshape(3,4) print ('原数组：') print (a) print ('\n') print ('转置数组：') print (a.T)
输出结果如下：
原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 转置数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]
matlib.empty()
matlib.empty() 函数返回一个新的矩阵，语法格式为：
numpy.matlib.empty(shape, dtype, order)
参数说明：
- shape: 定义新矩阵形状的整数或整数元组
- Dtype: 可选，数据类型
- order: C（行序优先） 或者 F（列序优先）
实例
import numpy.matlib import numpy as np print (np.matlib.empty((2,2))) # 填充为随机数据
输出结果为：
[[-1.49166815e-154 -1.49166815e-154] [ 2.17371491e-313 2.52720790e-212]]
numpy.matlib.zeros()
numpy.matlib.zeros() 函数创建一个以 0 填充的矩阵。
实例
import numpy.matlib import numpy as np print (np.matlib.zeros((2,2)))
输出结果为：
[[0. 0.] [0. 0.]]
numpy.matlib.ones()
numpy.matlib.ones()函数创建一个以 1 填充的矩阵。
实例
import numpy.matlib import numpy as np print (np.matlib.ones((2,2)))
输出结果为：
[[1. 1.] [1. 1.]]
numpy.matlib.eye()
numpy.matlib.eye() 函数返回一个矩阵，对角线元素为 1，其他位置为零。
numpy.matlib.eye(n, M,k, dtype)
参数说明：
- n: 返回矩阵的行数
- M: 返回矩阵的列数，默认为 n
- k: 对角线的索引
- dtype: 数据类型
实例
import numpy.matlib import numpy as np print (np.matlib.eye(n = 3, M = 4, k = 0, dtype = float))
输出结果为：
[[1. 0. 0. 0.] [0. 1. 0. 0.] [0. 0. 1. 0.]]
numpy.matlib.identity()
numpy.matlib.identity() 函数返回给定大小的单位矩阵。
单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。
实例
import numpy.matlib import numpy as np # 大小为 5，类型位浮点型 print (np.matlib.identity(5, dtype = float))
输出结果为：
[[ 1. 0. 0. 0. 0.] [ 0. 1. 0. 0. 0.] [ 0. 0. 1. 0. 0.] [ 0. 0. 0. 1. 0.] [ 0. 0. 0. 0. 1.]]
numpy.matlib.rand()
numpy.matlib.rand() 函数创建一个给定大小的矩阵，数据是随机填充的。
实例
import numpy.matlib import numpy as np print (np.matlib.rand(3,3))
输出结果为：
[[0.23966718 0.16147628 0.14162 ] [0.28379085 0.59934741 0.62985825] [0.99527238 0.11137883 0.41105367]]
矩阵总是二维的，而 ndarray 是一个 n 维数组。 两个对象都是可互换的。
实例
import numpy.matlib import numpy as np i = np.matrix('1,2;3,4') print (i)
输出结果为：
[[1 2] [3 4]]
实例
import numpy.matlib import numpy as np j = np.asarray(i) print (j)
输出结果为：
[[1 2] [3 4]]
实例
import numpy.matlib import numpy as np k = np.asmatrix (j) print (k)
输出结果为：
[[1 2] [3 4]]
下面这些函数也存在于 NumPy 命名空间中，但它们返回的是矩阵对象。
| 函数名称 | 参数说明 | 功能描述 |
|---|---|---|
| matrix(data[, dtype, copy]) | data：类数组或字符串，dtype：数据类型，copy：是否复制 | 从数组或字符串创建矩阵对象 |
| asmatrix(data[, dtype]) | data：输入数据，dtype：数据类型（可选） | 将输入转换为矩阵对象 |
| bmat(obj[, ldict, gdict]) | obj：字符串或嵌套序列，ldict、gdict：命名空间字典（可选） | 从字符串、嵌套序列或数组构建矩阵 |
| empty(shape[, dtype, order]) | shape：形状，dtype：数据类型，order：存储顺序 | 创建未初始化元素的矩阵 |
| zeros(shape[, dtype, order]) | shape：形状，dtype：数据类型，order：存储顺序 | 创建全零矩阵 |
| ones(shape[, dtype, order]) | shape：形状，dtype：数据类型，order：存储顺序 | 创建全一矩阵 |
| eye(n[, M, k, dtype, order]) | n：行数，M：列数，k：对角线偏移，dtype：数据类型，order：存储顺序 | 创建对角线为1，其余为0的矩阵 |
| identity(n[, dtype]) | n：大小，dtype：数据类型（可选） | 创建单位方阵 |
| repmat(a, m, n) | a：数组或矩阵，m、n：重复次数 | 将数组或矩阵重复 m 行 n 列 |
| rand(args) | args：指定矩阵形状 | 生成指定形状的均匀分布随机矩阵 |
| randn(args) | args：指定矩阵形状 | 生成指定形状的标准正态分布随机矩阵 |
注意事项
- 虽然
numpy.matlib方便，但 NumPy 官方推荐使用ndarray和@运算符来完成矩阵运算，因为matrix类型存在一些限制，且在未来版本中可能被弃用。 - 新代码建议优先使用
ndarray，以保证更好的兼容性和灵活性。
