Python Numpy Dott的怪异行为
我正在使用python3.5,我有一个问题:为什么np.dot()的行为是这样的Python Numpy Dott的怪异行为,python,numpy,Python,Numpy,我正在使用python3.5,我有一个问题:为什么np.dot()的行为是这样的 >> a = np.array([[1,2,3,4]]) >> b = np.array([123]) >> np.dot(a,b) Traceback (most recent call last): File "<input>", line 1, in <module> ValueError: shapes (1,4) and (1,) not a
>> a = np.array([[1,2,3,4]])
>> b = np.array([123])
>> np.dot(a,b)
Traceback (most recent call last):
File "<input>", line 1, in <module>
ValueError: shapes (1,4) and (1,) not aligned: 4 (dim 1) != 1 (dim 0)
>>np.dot(b,a)
array([123, 246, 369, 492])
>a=np.array([[1,2,3,4]]
>>b=np.数组([123])
>>np.dot(a,b)
回溯(最近一次呼叫最后一次):
文件“”,第1行,在
ValueError:形状(1,4)和(1,)未对齐:4(尺寸1)!=1(尺寸0)
>>np.dot(b,a)
数组([123246369492])
从帮助(np.dot)
中,我们了解到,np.dot(x,y)
是x的最后一个轴与y
的倒数第二个轴的和积
在np.dot(a,b)
的情况下,a
的最后一个轴是4,b
的唯一轴的长度是1。他们不匹配:失败
在np.dot(b,a)
的情况下,b
的最后一个轴是1,a
的倒数第二个轴是1。他们匹配:成功
权变措施
根据您对np.dot(a,b)
的意图,您可能需要:
>>> np.dot(a, np.resize(b,a.shape[-1]))
array([1230])
从help(np.dot)
中,我们了解到,np.dot(x,y)
是x的最后一个轴与y
的倒数第二个轴的和积
在np.dot(a,b)
的情况下,a
的最后一个轴是4,b
的唯一轴的长度是1。他们不匹配:失败
在np.dot(b,a)
的情况下,b
的最后一个轴是1,a
的倒数第二个轴是1。他们匹配:成功
权变措施
根据您对np.dot(a,b)
的意图,您可能需要:
>>> np.dot(a, np.resize(b,a.shape[-1]))
array([1230])
从用于numpy.dot(x,y)
:
对于二维数组,它等价于矩阵乘法,对于一维数组,它等价于向量的内积。。。对于N维,它是x
最后一个轴与y
倒数第二个轴的和积:
那么,你有:
a = np.array([[1,2,3,4]]) # shape is (1, 4), 2-D array (matrix)
b = np.array([123]) # shape is (1,), 1-D array (vector)
工作(np.dot(b,a)
,相关尺寸一致)(1,)*(1,4)
不(np.点(a,b)
,相关尺寸不一致,操作未定义。请注意,(1,4)*(1,)
的“倒数第二个”轴对应于其唯一的一个轴)(1,)
a = np.array([[1,2,3,4]]) # shape is (1, 4)
b = np.array([[123]]) # shape is (1, 1)
工作(np.点(b,a)
,内部矩阵尺寸一致)(1,1)*(1,4)
不(np.点(a,b)
,内部矩阵尺寸不一致)(1,4)*(1,1)
a = np.array([1,2,3,4]) # shape is (4,)
b = np.array([123]) # shape is (1,)
不起作用(np.dot(b,a)
,但只能为相同长度的向量定义内积)(1,)*(4,)
不工作(np.dot(a,b)
,相同)(4,)*(1)
numpy.dot(x,y)
:
对于二维数组,它等价于矩阵乘法,对于一维数组,它等价于向量的内积。。。对于N维,它是x
最后一个轴与y
倒数第二个轴的和积:
那么,你有:
a = np.array([[1,2,3,4]]) # shape is (1, 4), 2-D array (matrix)
b = np.array([123]) # shape is (1,), 1-D array (vector)
工作(np.dot(b,a)
,相关尺寸一致)(1,)*(1,4)
不(np.点(a,b)
,相关尺寸不一致,操作未定义。请注意,(1,4)*(1,)
的“倒数第二个”轴对应于其唯一的一个轴)(1,)
a = np.array([[1,2,3,4]]) # shape is (1, 4)
b = np.array([[123]]) # shape is (1, 1)
工作(np.点(b,a)
,内部矩阵尺寸一致)(1,1)*(1,4)
不(np.点(a,b)
,内部矩阵尺寸不一致)(1,4)*(1,1)
a = np.array([1,2,3,4]) # shape is (4,)
b = np.array([123]) # shape is (1,)
不起作用(np.dot(b,a)
,但只能为相同长度的向量定义内积)(1,)*(4,)
不工作(np.dot(a,b)
,相同)(4,)*(1)
b
是(1,)数组,1d带有1个元素,而不是(1,1)但是对于这个计算来说,重要的是a
的二维形状。事实上,我也意识到了这一点。现在编辑答案。从技术上讲b
是(1,)数组,1d带有1个元素,而不是(1,1)。但是对于这个计算来说,重要的是a
的二维形状。事实上,我也意识到了这一点。现在编辑答案。