多轻多软的雪花啊，在空中飘舞着，追逐着，像—朵朵精巧的白菊。暗黄色的天际中像燃着一团百年都没有澌灭的野火，它肆无忌惮的吞噬着天间彩云，仿佛地狱使者受到差遣，来破坏天际的和谐。
前面介绍过用dnarray来模拟，但mat更符合矩阵，这里的mat与Matlab中的很相似。(mat与matrix等同)
基本操作
>>> m= np.mat([1,2,3]) #创建矩阵
>>> m
matrix([[1, 2, 3]])
>>> m[0] #取一行
matrix([[1, 2, 3]])
>>> m[0,1] #第一行，第2个数据
2
>>> m[0][1] #注意不能像数组那样取值了
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib64/python2.7/site-packages/numpy/matrixlib/defmatrix.py", line 305, in __getitem__
out = N.ndarray.__getitem__(self, index)
IndexError: index 1 is out of bounds for axis 0 with size 1
#将Python的列表转换成NumPy的矩阵
>>> list=[1,2,3]
>>> mat(list)
matrix([[1, 2, 3]])
#Numpy dnarray转换成Numpy矩阵
>>> n = np.array([1,2,3])
>>> n
array([1, 2, 3])
>>> np.mat(n)
matrix([[1, 2, 3]])
#排序
>>> m=np.mat([[2,5,1],[4,6,2]]) #创建2行3列矩阵
>>> m
matrix([[2, 5, 1],
[4, 6, 2]])
>>> m.sort() #对每一行进行排序
>>> m
matrix([[1, 2, 5],
[2, 4, 6]])
>>> m.shape #获得矩阵的行列数
(2, 3)
>>> m.shape[0] #获得矩阵的行数
2
>>> m.shape[1] #获得矩阵的列数
3
#索引取值
>>> m[1,:] #取得第一行的所有元素
matrix([[2, 4, 6]])
>>> m[1,0:1] #第一行第0个元素，注意左闭右开
matrix([[2]])
>>> m[1,0:3]
matrix([[2, 4, 6]])
>>> m[1,0:2]
matrix([[2, 4]])
矩阵求逆、行列式
与Numpy array相同，可参考链接。
矩阵乘法
矩阵乘，与Numpy dnarray类似，可以使用np.dot()和np.matmul()，除此之外，由于matrix中重载了“*”，因此“*”也能用于矩阵乘。
>>> a = np.mat([[1,2,3], [2,3,4]])
>>> b = np.mat([[1,2], [3,4], [5,6]])
>>> a
matrix([[1, 2, 3],
[2, 3, 4]])
>>> b
matrix([[1, 2],
[3, 4],
[5, 6]])
>>> a * b #方法一
matrix([[22, 28],
[31, 40]])
>>> np.matmul(a, b) #方法二
matrix([[22, 28],
[31, 40]])
>>> np.dot(a, b) #方法三
matrix([[22, 28],
[31, 40]])
点乘，只剩下multiply方法了。
>>> a = np.mat([[1,2], [3,4]])
>>> b = np.mat([[2,2], [3,3]])
>>> np.multiply(a, b)
matrix([[ 2, 4],
[ 9, 12]])
矩阵转置
转置有两种方法：
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.T #方法一，ndarray也行
matrix([[1, 3],
[2, 4]])
>>> np.transpose(a) #方法二
matrix([[1, 3],
[2, 4]])
值得一提的是，matrix中求逆还有一种简便方法（ndarray中不行）：
>>> a
matrix([[1, 2],
[3, 4]])
>>> a.I
matrix([[-2. , 1. ],
[ 1.5, -0.5]])
本文Python中Numpy mat的使用详解到此结束。人活着就是为了解决困难。这才是生命的意义，也是生命的资料。逃避不是办法，知难而上往往是解决问题的最好手段。小编再次感谢大家对我们的支持！
