如何用numpy.matlib创建随机矩阵？rand函数参数与实例详解_Python

numpy 的numpy.matlib模块是专门用于矩阵操作的工具库，其核心特点是：函数返回的是matrix（矩阵）类型对象，而非 numpy 默认的ndarray（n 维数组）。

矩阵本质是二维结构化数据（行数 × 列数），更适合线性代数运算；而ndarray支持 n 维数据，默认是元素级运算，二者可互换但用途不同。

一、矩阵的基础操作：转置

矩阵转置是将矩阵的行与列互换（m 行 n 列→n 行 m 列），numpy 提供两种便捷方式：

t 属性：矩阵 /ndarray 对象直接调用，语法简洁（推荐）；
numpy.transpose()函数：通用转置函数，适用于多维数组。

实例解析

import numpy as np
# 创建3行4列的ndarray（虽用ndarray举例，但矩阵转置逻辑完全一致）
a = np.arange(12).reshape(3, 4)  # arange(12)生成0-11的整数，reshape成3行4列
print("原数组（3行4列）：")
print(a)
print("\n转置数组（4行3列）：")
print(a.t)  # 调用t属性完成转置

输出结果：

原数组（3行4列）：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

转置数组（4行3列）：
[[ 0 4 8]
[ 1 5 9]
[ 2 6 10]
[ 3 7 11]]

核心逻辑：原数组的第 1 行（0,1,2,3）成为转置数组的第 1 列，第 2 行（4,5,6,7）成为第 2 列，以此类推。

二、numpy.matlib 常用函数详解

numpy.matlib提供了多种快速构造矩阵的函数，以下按功能分类讲解，包含语法、参数说明、实例与结果解析。

1. matlib.empty ()：创建未初始化矩阵

该函数仅分配矩阵存储空间，不初始化元素值，因此输出的是随机垃圾值（取决于内存当前状态），适用于需后续手动赋值的场景。

语法：

numpy.matlib.empty(shape, dtype=none, order='c')

参数说明：

参数	说明	默认值
shape	矩阵形状，用整数（表示方阵，如3即 3×3）或元组（如(2,3)即 2 行 3 列）指定	无（必传）
dtype	矩阵元素的数据类型，如float64、int32等	float64
order	内存存储顺序：c（行优先，先存完一行再存下一行）、f（列优先）	c

实例：

import numpy.matlib
import numpy as np

# 创建2行2列的未初始化矩阵
empty_mat = np.matlib.empty((2, 2))
print("未初始化矩阵（元素为随机值）：")
print(empty_mat)

输出结果（示例，每次运行值不同）：

未初始化矩阵（元素为随机值）：
[[-1.49166815e-154 -1.49166815e-154]
[ 2.17371491e-313 2.52720790e-212]]

2. matlib.zeros ()：创建全 0 矩阵

构造所有元素均为0的矩阵，初始化值明确，适用于需要 “空白基底” 的场景（如累加计数）。

语法：

numpy.matlib.zeros(shape, dtype=none, order='c')

（参数与empty()完全一致，不再重复）

实例：

import numpy.matlib
import numpy as np

# 创建2行2列的全0矩阵
zeros_mat = np.matlib.zeros((2, 2))
print("全0矩阵：")
print(zeros_mat)

输出结果：

全0矩阵：
[[0. 0.]
[0. 0.]]

3. matlib.ones ()：创建全 1 矩阵

构造所有元素均为1的矩阵，适用于需要 “统一初始值” 的场景（如权重初始值、掩码基础）。

语法：

numpy.matlib.ones(shape, dtype=none, order='c')

（参数与empty()一致）

实例：

import numpy.matlib
import numpy as np

# 创建2行2列的全1矩阵
ones_mat = np.matlib.ones((2, 2))
print("全1矩阵：")
print(ones_mat)

输出结果：

全1矩阵：
[[1. 1.]
[1. 1.]]

4. matlib.eye ()：创建 “对角为 1” 的矩阵（非必为方阵）

构造一个矩阵，指定对角线（可非主对角线）元素为1，其余元素为 0，支持行数≠列数（非方阵）。

语法：

numpy.matlib.eye(n, m=none, k=0, dtype=float)

参数说明：

参数	说明	默认值
n	矩阵的行数（必传）	无
m	矩阵的列数，若为none则等于n（即方阵）	none
k	对角线索引：k=0（主对角线，从左上到右下）、k=1（主对角线上方）、k=-1（主对角线下方）	0
dtype	元素数据类型	float

实例：

import numpy.matlib
import numpy as np

# 创建3行4列、主对角线（k=0）为1的矩阵
eye_mat = np.matlib.eye(n=3, m=4, k=0, dtype=float)
print("3行4列对角为1的矩阵：")
print(eye_mat)

输出结果：

3行4列对角为1的矩阵：
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]]

解析：3 行 4 列矩阵，主对角线（位置 (0,0)、(1,1)、(2,2)）为 1，其余为 0。

5. matlib.identity ()：创建单位矩阵（必为方阵）

单位矩阵是特殊的方阵（行数 = 列数），仅主对角线元素为 1，其余为 0，是线性代数中的 “单位元”（如矩阵乘法中，a×i=a）。

语法：

numpy.matlib.identity(n, dtype=float)

参数说明：

参数	说明	默认值
n	矩阵的阶数（行数 = 列数）	无（必传）
dtype	元素数据类型	float

实例：

import numpy.matlib
import numpy as np

# 创建5阶单位矩阵（5行5列）
identity_mat = np.matlib.identity(5, dtype=float)
print("5阶单位矩阵：")
print(identity_mat)

输出结果：

5阶单位矩阵：
[[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.]]

与eye()的区别：identity()仅能创建方阵，而eye()可创建非方阵（如 3 行 4 列）。

6. matlib.rand ()：创建随机矩阵

构造元素为 **[0,1) 区间均匀分布随机数 ** 的矩阵，适用于需要随机初始化的场景（如机器学习中的权重初始值）。

语法：

numpy.matlib.rand(*args)  # args直接传入行数、列数，如rand(3,3)即3行3列

实例：

import numpy.matlib
import numpy as np

# 创建3行3列的随机矩阵
rand_mat = np.matlib.rand(3, 3)
print("3行3列随机矩阵（元素∈[0,1)）：")
print(rand_mat)

输出结果（示例，每次运行值不同）：

3行3列随机矩阵（元素∈[0,1)）：
[[0.23966718 0.16147628 0.14162 ]
[0.28379085 0.59934741 0.62985825]
[0.99527238 0.11137883 0.41105367]]

三、矩阵与 ndarray 的互换

矩阵（matrix）和 ndarray 虽类型不同，但可通过np.asarray()和np.asmatrix()互相转换，数据内容保持一致。

1. 矩阵 → ndarray：np.asarray (矩阵)

实例：

import numpy.matlib
import numpy as np

# 1. 创建矩阵
mat = np.matrix('1,2;3,4')  # 直接用字符串定义矩阵（分号分隔行，逗号分隔列）
print("原矩阵（matrix类型）：")
print(mat)
print("矩阵类型：", type(mat))  # <class 'numpy.matrix'>

# 2. 转换为ndarray
arr = np.asarray(mat)
print("\n转换后的ndarray：")
print(arr)
print("ndarray类型：", type(arr))  # <class 'numpy.ndarray'>

2. ndarray → 矩阵：np.asmatrix (ndarray)

实例：

import numpy.matlib
import numpy as np

# 1. 创建ndarray（二维）
arr = np.array([[1, 2], [3, 4]])
print("原ndarray：")
print(arr)
print("ndarray类型：", type(arr))  # <class 'numpy.ndarray'>

# 2. 转换为矩阵
mat = np.asmatrix(arr)
print("\n转换后的矩阵：")
print(mat)
print("矩阵类型：", type(mat))  # <class 'numpy.matrix'>

注意：仅二维 ndarray 可转换为矩阵（因矩阵是二维的），高维 ndarray 转换会报错。