numpy 2D @ 1D 矩阵结果中的问题

Question

我正在尝试使用 2x2 矩阵P和坐标internal(作为np.array存储在一行中(在 numpy 中旋转一些坐标。但是，我在计算P @ internal时会出现奇怪的行为。下面的代码重现了该行为：

>>> import numpy as np
>>> a = np.array([1, 0], dtype=np.float)
>>> c, s = np.cos(np.pi), np.sin(np.pi)
>>> p = np.matrix([[c, s], [-s, c]])
>>> b = p @ a
>>> b
matrix([[-1.0000000e+00, -1.2246468e-16]])
>>> b.shape
(1, 2)
>>> b[0].shape
(1, 2)
>>> b[0][0].shape
(1, 2)
>>> b[0][0][0].shape
(1, 2)

可以看出，我

无法索引到矩阵中，并且我突然在应该是一维数组中增加了一个维度。在 numpy 的文档中，它指出"如果第二个参数是 1-D，则通过在其维度上附加 1 将其提升为矩阵。矩阵乘法后，附加的 1 被删除。但是，我没有看到这种行为，而只是看到了奇怪的嵌套形状。

为什么会这样？

Answer 1

正如你所指出的，b是一个matrix.这是 ndarray 的一个已弃用的子类，它始终是 2D。使用 (N,) 元素向量初始化矩阵会将 1 附加到形状，将其转换为(N, 1)列，如预期的那样。 b[0]也是一个矩阵，但这次是一行。该行的第一行也是一行，因此无论您访问第一行多少次，形状都将保持不变。

话虽如此，您可以使用行列索引访问单个矩阵元素：

>>> b[0, 0]
-1.0

博士

不要使用 matrix ：它已弃用并且存在问题/缺乏支持。改为执行p = np.array([[c, s], [-s, c]])，您将看到预期的行为。