向量在numpy中的表示：np.array（）的返回是行向量吗？

我是numpy新手，我猜np.array（）的返回是一个行向量，因为两个向量之间的点积是可交换的，我猜对了吗？任何回应都是感激的

vx = np.array([1, 2])
vw = np.array([3, 5])
np.dot(vx, vw)
np.dot(vw, vx)

数组是1d（“向量”，而不是行/列向量）

dot

documentation的第一段：

对于二维数组，它等价于矩阵乘法；对于一维数组，它等价于矩阵乘法 数组到向量的内积（无复共轭）。对于 N维它是

a

和

b中倒数第二个

所以你得到了内积，它是可交换的

In [118]: vx = np.array([1, 2])
In [119]: vx.shape
Out[119]: (2,)

dot
返回标量：

In [120]: np.dot(vx,vx)
Out[120]: 5

对于二维“行向量”，形状很重要
dot
是矩阵乘法，最后一个dim与第二个到最后一个匹配，例如2与2匹配

In [121]: vx2 = np.array([[1,2]])
In [122]: vx2.shape
Out[122]: (1, 2)
In [123]: np.dot(vx2, vx2)
...
ValueError: shapes (1,2) and (1,2) not aligned: 2 (dim 1) != 1 (dim 0)
In [124]: np.dot(vx2, vx2.T)
Out[124]: array([[5]])

在这种情况下，结果是2d（1,1）