Numpy 两个向量的矩阵乘法

我试着用numpy做两个向量的矩阵乘法，这将得到一个数组

示例

In [108]: b = array([[1],[2],[3],[4]])
In [109]: a =array([1,2,3])
In [111]: b.shape
Out[111]: (4, 1)
In [112]: a.shape
Out[112]: (3,)
In [113]: b.dot(a)
ValueError: objects are not aligned

从这些形状可以看出，数组a实际上不是矩阵。关键是这样定义

a

In [114]: a =array([[1,2,3]])    
In [115]: a.shape
Out[115]: (1, 3)    
In [116]: b.dot(a)
Out[116]: 
array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

---

当获取向量作为矩阵的字段或列时，如何获得相同的结果

In [137]: mat = array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

In [138]: x = mat[:,0]      #[1,2,3,4]
In [139]: y = mat[0,:]      #[1,2,3]
In [140]: x.dot(y)
ValueError: objects are not aligned

---

这与基本示例中的捕获类似

x

和

y

都不是矩阵，而是一维数组

In [143]: x.shape
Out[143]: (4,)

In [144]: y.shape
Out[144]: (3,)

我们必须给它们加上第二个维度，即1

In [171]: x = array([x]).transpose()
In [172]: x.shape
Out[172]: (4, 1)
In [173]: y = array([y])
In [174]: y.shape
Out[174]: (1, 3)
In [175]: x.dot(y)
Out[175]: 
array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

---

这与基本示例中的捕获类似

x

和

y

都不是矩阵，而是一维数组

In [143]: x.shape
Out[143]: (4,)

In [144]: y.shape
Out[144]: (3,)

我们必须给它们加上第二个维度，即1

In [171]: x = array([x]).transpose()
In [172]: x.shape
Out[172]: (4, 1)
In [173]: y = array([y])
In [174]: y.shape
Out[174]: (1, 3)
In [175]: x.dot(y)
Out[175]: 
array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

---

使用2d数组而不是1d向量，并使用

*

In [8]: #your code from above

In [9]: y = mat[0:1,:]

In [10]: y
Out[10]: array([[1, 2, 3]])

In [11]: x = mat[:,0:1]

In [12]: x
Out[12]: 
array([[1],
       [2],
       [3],
       [4]])

In [13]: x*y
Out[13]: 
array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

---

使用2d数组而不是1d向量，并使用

*

In [8]: #your code from above

In [9]: y = mat[0:1,:]

In [10]: y
Out[10]: array([[1, 2, 3]])

In [11]: x = mat[:,0:1]

In [12]: x
Out[12]: 
array([[1],
       [2],
       [3],
       [4]])

In [13]: x*y
Out[13]: 
array([[ 1,  2,  3],
       [ 2,  4,  6],
       [ 3,  6,  9],
       [ 4,  8, 12]])

您正在计算两个向量的值。您可以将此功能用于：

In [18]: a 
Out[18]: array([1, 2, 3])

In [19]: b
Out[19]: array([10, 20, 30, 40])

In [20]: numpy.outer(b, a)
Out[20]: 
array([[ 10,  20,  30],
       [ 20,  40,  60],
       [ 30,  60,  90],
       [ 40,  80, 120]])

您正在计算两个向量的值。您可以将此功能用于：

In [18]: a 
Out[18]: array([1, 2, 3])

In [19]: b
Out[19]: array([10, 20, 30, 40])

In [20]: numpy.outer(b, a)
Out[20]: 
array([[ 10,  20,  30],
       [ 20,  40,  60],
       [ 30,  60,  90],
       [ 40,  80, 120]])

---

x.dot（y）

和

x*y

在这种情况下，技巧是使用切片，使

x

和

y

都是二维数组。

x.dot（y）

和

x*y

在这种情况下，技巧是使用切片，使

x

和

y

都是二维数组。而不是

x=数组（[x]）.transpose（）

，您只需执行

x.restrape（-1,1）

或

x[…，np.newaxis]

，两者都不会创建新数组。您只需执行

x=array（[x]）而不是
x=array（[x]）.transpose（）
，您只需执行
x.restrape（-1,1）
或
x[…，np newaxis]
，两者都不会创建新数组。这是一个原型StackExchange答案。这是一个原型StackExchange答案。