用于将N个2x2阵列与2xn阵列相乘的numpy点或einsum

我想用2xN数组乘以（矩阵乘法）n2x2数组

n=np.array（[1,2,3]）
m=np.array（[[n，0*n]，[0*n，0*n+1]]）.T
#形状：（3，2，2）
# [[[1 0]
#   [0 1]]
#  [[2 0]
#   [0 1]]
#  [[3 0]
#   [0 1]]]
x=np.数组（[[1,2,3]，[4,5,6]]
#形状：（2，3）
# [[1 2 3]
#  [4 5 6]]

所以结果应该是

[[1 4 9]
 [4 5 6]]

这在einsum或dot中应该是可能的，但我在两者中都失败了。从我读到的内容来看，使用dot的解决方案可能会更快

---

编辑：提供更多上下文：这实际上只是2xn向量上的（2x2）矩阵乘法。但是有n个不同的矩阵：n个向量元素各一个。

您可以使用

np.einsum

如下：

import numpy as np

n = np.array([1,2,3])
m = np.array([[n,0*n],[0*n,0*n+1]]).T

x = np.array([[1,2,3],[4,5,6]])

result = np.einsum('nij, jn->in', m, x)

在

einsum

中，

n

是三维索引，

i

和

j

是2x2矩阵和二维数组之间的和的索引

结果

为：

array([[1, 4, 9],
       [4, 5, 6]])

---

您可以按如下方式使用

np.einsum

：

import numpy as np

n = np.array([1,2,3])
m = np.array([[n,0*n],[0*n,0*n+1]]).T

x = np.array([[1,2,3],[4,5,6]])

result = np.einsum('nij, jn->in', m, x)

在

einsum

中，

n

是三维索引，

i

和

j

是2x2矩阵和二维数组之间的和的索引

结果

为：

array([[1, 4, 9],
       [4, 5, 6]])

---

这“有点”正确。正确的结果至少就埋在这里面。但你还是需要把它弄出来。更令人担忧的是：这确实会导致更多的乘法运算。编辑：预期输出在问题中。你能写下你的预期输出吗？它直接在“所以结果应该是”下面。如果你只是想要预期输出，试试。。。einsum（'ijk，…ji->ji'，m，x）这是“有点”正确。正确的结果至少就埋在这里面。但你还是需要把它弄出来。更令人担忧的是：这确实会导致更多的乘法运算。编辑：预期输出在问题中。你能写下你的预期输出吗？它直接在“所以结果应该是”下面。如果你只是想要预期输出，试试。。。np.einsum（'ijk，…ji->ji'，m，x）