Python numpy中的矩阵乘法错误

我有以下两个numpy阵列：

np.random.seed(1)
y2=np.random.standard_normal((50,1))
lambda_=np.zeros((100,2));
lambda_[0]=np.random.gamma(1,1,2);

但是当我试着去做的时候

np.dot(y2,lambda_[0])

或其转置版本：

np.dot(y2,lambda_[0].T)

我得到了错误值error：矩阵没有对齐

---

现在我明白了，我可以通过使用numpy矩阵来避免这个错误，但是转换成np.matrix不是很低效吗？我是python新手，所以可能我错了。试着写尽可能快的代码。

y2

的形状是

（50，1）

，而

lambda_0;[0]

的形状是

（2，）

，因此

dot（）

将其视为矩阵向量乘法，并因此抛出一个错误。如果希望将第二个参数视为

（1,2）

矩阵，则需要对其进行重塑：

np.dot(y2,lambda_[0].reshape(1,2))

或者，也可以使用

lambda\uz

的二维视图，而不是一维视图：

np.dot(y2,lambda_[0:1])

---

虽然有了numpy，这太容易了。您可以按如下方式使用python

def array_mult(A, B):
    if len(B) != len(A[0]) and len(A) != len(B[0]):
        return 'Invalid'

    result = [[0 for x in range(len(B[0]))] for y in range(len(A))]
    for i in range(len(A)):
        for j in range(len(B[0])):
            for k in range(len(B)):
                result[i][j] += A[i][k] * B[k][j]
    return result

---

即使使用

矩阵

，阵列也必须具有兼容的形状。考虑到y2是50x1，lambda_0]是1x2矩阵，它们是兼容的形状，因为矩阵数学是正确的。我希望转置至少能起作用。如果

lambda\uuu

是一个

matrix

它的

[0]

将是

（1,2）

且兼容的。但是

数组

表单在索引时失去了一个维度。出于好奇，您认为将y2和lambda_u重新命名为np.matrix（）类型会减慢它的速度吗？i、 e.重铸10000x1数组会比重铸10x1数组慢吗？我知道

重塑（）

会创建一个视图，因此它不依赖于数组的大小（因为它实际上不会复制任何数据）。如果

matrix

的行为相同（这是可能的），那么它也不应该太慢。但是我看不到在这里（或者在其他任何地方，因为Python3.5已经有了点运算符）使用

matrix有什么好处。