np.matrix(np.array([0,0])) 和 np.matrix([0,0]) 有区别吗？

Question

我在阅读这篇关于从头开始实现线性回归的代码：

# convert from data frames to numpy matrices
X = np.matrix(X.values)
y = np.matrix(y.values)
theta = np.matrix(np.array([0,0]))

当我看到这一行时：

当我遇到了这样的代码：

np.matrix(np.array([0,0]))

我在想为什么这个人不直接写np.matrix([0,0])。

我在jupyter notebook中运行两者，得到相同的输出：

theta = np.matrix([0,0])
theta2 = np.matrix(np.array([0,0]))
print(theta,theta2,type(theta),type(theta2))

输出结果：[[0 0]] [[0 0]] <class 'numpy.matrix'> <class 'numpy.matrix'>

这两者之间有区别吗？np.array的额外部分是否会增加theta的功能？如果我用后者替换前者，最终代码是否能正常运行？

- Sabito stands with Ukraine

---

那是在2014年写的。现在np.matrix已经有了一个“PendingDepricationWarning”警告。我认为演示作者只是使用了他习惯的编码风格，没有经过一群 Stack Overflow 读者的调试。 - hpaulj

Answer 1

很奇怪，matrix(array([0,0]))会创建一个干净的对象，该对象拥有其数据

>>> np.matrix(np.array([0,0])).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix(np.array([0,0])).base

然而，matrix([0,0])似乎是一个匿名数组的视图。

>>> np.matrix([0,0]).flags
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
>>> np.matrix([0,0]).base
array([0, 0])

因此，在matrix(array(..))中使用额外的array似乎避免了混乱，尽管这其中更深层次的原因对我来说仍然是神秘的。

- Paul Panzer

---

np.matrix有copy=True参数，np.asmatrix默认False不复制。matrix.__new__返回ndarray输入并根据此副本进行最终形状调整。其他data必须经过np.array(data, ...)后跟一个ndarray.__new__调用。请查看numpy/matrixlib/defmatrix.py代码以获取更多详细信息。 - hpaulj

实际上，两者都使用np.array将列表转换为数组。其余部分只是将该数组强制转换为matrix子类。从一个大列表开始，我没有看到显着的时间差异（甚至与普通的np.array（alist）相比）。我们还可以使用arr.view(np.matrix)。 - hpaulj

Answer 2

你可以查看文档： np.matrix的签名“data”可以是类似数组的或字符串的，而[0,0]和其对应的numpy.ndarray都可以满足要求。

- M Ciel