Python 如何使用numpy将一个向量与数组中的一组向量进行点积?
给定一个N×M的数组W和一个大小为N的向量V,我如何取每列W的点积V,得到一个大小为M的一维数组D,其中D的每个元素由V和W的点积构成[:,I] 大概是Python 如何使用numpy将一个向量与数组中的一组向量进行点积?,python,numpy,numpy-ndarray,array-broadcasting,Python,Numpy,Numpy Ndarray,Array Broadcasting,给定一个N×M的数组W和一个大小为N的向量V,我如何取每列W的点积V,得到一个大小为M的一维数组D,其中D的每个元素由V和W的点积构成[:,I] 大概是 V = np.random.int(N) W = np.random.int((N,M)) D = np.zeros(M) for i in np.arange(M): D[i] = dotproduct(V,W[:,i]) 有没有一种方法可以只用numpy数组和numpy函数来实现这一点?我希望避免使用for循环。使用numpy广播
V = np.random.int(N)
W = np.random.int((N,M))
D = np.zeros(M)
for i in np.arange(M):
D[i] = dotproduct(V,W[:,i])
有没有一种方法可以只用numpy数组和numpy函数来实现这一点?我希望避免使用for循环。使用numpy广播,您可以简单地将向量V和矩阵W相乘
V = np.random.randint(N)
W = np.random.randint((N,M))
D = np.sum(V.T*W,axis=0)
使用np.dot()
v = np.random.randint(3,size = 3)
w =np.random.randint(9, size = (3,3))
np.dot(v,w)