使用numpy创建一个包含零的nxn矩阵的最快方法

Question

简短的问题 - 这是使用Python和NumPy创建一个16x16（或nxn）零矩阵的最快方法吗？

a = np.matrix(np.zeros((16, 16), dtype = np.int))

- Cyberbunny

---

知道上下文会有所帮助。您是否正在创建多个矩阵？为什么需要使用 np.matrix 而不是 np.ndarray？ - hilberts_drinking_problem

我使用了np.matrix，因为我想要矩阵乘法。或者更好的说法是：向量与矩阵相乘，如： v.T * M * v（返回一个数字） 我不知道np.matrix很慢，而且几乎已经被弃用了。 - Cyberbunny

Answer 1

加快创建此矩阵的最佳方法是完全跳过使用matrix类，而只使用np.zeros：

a = np.zeros((16, 16))

跳过使用matrix可提高10倍速度：

%%timeit
a = np.matrix(np.zeros((16, 16)))
4.95 µs ± 50.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
a = np.zeros((16, 16))
495 ns ± 2.18 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

numpy.matrix已被弃用:

注意 不再建议使用此类，即使是进行线性代数。而是使用常规数组。该类可能在将来被删除。

编辑：在评论中，Paul Panzer提供了有关matrix弃用原因的讨论。

人们之所以使用matrix而不是array的常见原因是这样a * b会执行矩阵乘法（而不是像标准array那样成对乘法）。但是，您现在可以使用新的矩阵乘法运算符@来使用标准数组轻松执行矩阵乘法：

a = np.arange(2*2).reshape(2,2)
b = np.arange(2*2, 2*2*2).reshape(2,2)
print('a\n%s\n' % a)
print('b\n%s\n' % b)
print('a * b (pairwise multiplication)\n%s\n' % (a * b))
print('a @ b (matrix multiplication)\n%s\n' % (a @ b))

输出：

a
[[0 1]
 [2 3]]

b
[[4 5]
 [6 7]]

a * b (pairwise multiplication)
[[ 0  5]
 [12 21]]

a @ b (matrix multiplication)
[[ 6  7]
 [26 31]]

- tel

---

哇，我不知道这个（刚开始使用numpy）...我想使用矩阵的原因正如你所猜测的那样：进行矩阵乘法。它可以工作，但是a @ v不应该返回一个列向量吗？相反，我得到了一个行向量... - Cyberbunny

是的，不幸的是，当在两个二维矩阵和一维向量之间进行矩阵乘法时，Numpy使用的形状强制规则有点令人困惑。在乘法运算期间，Numpy将把一维向量“v”视为列向量，但仍将结果返回为普通的一维数组。 - tel

从技术上讲，Numpy不会将1D数组视为行向量或列向量，而是会根据上下文来猜测它们的类型。有关完整详细信息，请参见matmul文档（matmul用于实现@运算符的行为）。 - tel

@Cyberbunny 这里有一个关于矩阵类优点与否的很好的问答。 - Paul Panzer

从线性代数的角度来看，有些情况下我希望表达式与线性代数完全匹配。当涉及到许多转置、内积、外积、雅可比矩阵等时，你所提倡的这种符号实在是太糟糕了。并不是所有的事情都只关乎性能。 - Ash

Answer 2

跳过 matrix 直接使用这个：

a = np.zeros((16, 16))

- seralouk