Python Numpy列和行向量

为什么在numpy中可以将2x2矩阵乘以1x2行向量

import numpy as np

I = np.array([[1.0, 0.0], [0.0, 1.0]])
x = np.array([2.0,3.0])

In: I * x
Out: array([[ 2.,  0.], [ 0.,  3.]])

In: x.T
Out: array([ 2.,  3.])

换位x也没有意义。行向量还是行向量

import numpy as np

I = np.array([[1.0, 0.0], [0.0, 1.0]])
x = np.array([2.0,3.0])

In: I * x
Out: array([[ 2.,  0.], [ 0.,  3.]])

In: x.T
Out: array([ 2.,  3.])

从数学角度来看，表示法非常混乱。

如果您检查x的形状，您将看到2，这意味着numpy数组：

 In [58]: x.shape
 Out[58]: (2,)

如果需要1x2矢量，可以使用重塑：

然后可以使用numpy方法进行乘法：

 In [68]: I.dot(x_vec)
 Out[68]:
 array([[ 2.],
       [ 3.]])

但dot也可以在不重塑形状的情况下工作：

 In [69]: I.dot(x)
 Out[69]: array([ 2.,  3.])

您还可以使用以下方法：

In [73]: np.matmul(I, x_vec)
Out[73]:
array([[ 2.],
       [ 3.]])   

如果您选中x的形状，您将看到2，这意味着numpy数组：

 In [58]: x.shape
 Out[58]: (2,)

如果需要1x2矢量，可以使用重塑：

然后可以使用numpy方法进行乘法：

 In [68]: I.dot(x_vec)
 Out[68]:
 array([[ 2.],
       [ 3.]])

但dot也可以在不重塑形状的情况下工作：

 In [69]: I.dot(x)
 Out[69]: array([ 2.,  3.])

您还可以使用以下方法：

In [73]: np.matmul(I, x_vec)
Out[73]:
array([[ 2.],
       [ 3.]])   

---

如果您使用的是Python 3.5，那么可以使用@operator

In [2]: I@x
Out[2]: array([ 2.,  3.])

---

如果您使用的是Python 3.5，那么可以使用@operator

In [2]: I@x
Out[2]: array([ 2.,  3.])

Numpy数组不是向量。或者是矩阵。它们是数组

它们可以用来表示向量、矩阵、张量或任何你想要的东西。然而，numpy的天才在于表示数组，并让用户决定它们的含义

在数组上定义的一个操作是逐项乘法。此外，广播允许您通过在缺失维度中“扩展”不同形状的数组，从而对其进行操作，因此您的乘法实际上是以下各项的逐项乘法：

[[1.0, 0.0], [0.0, 1.0]] * [[2.0, 2.0], [3.0, 3.0]]

如果你想使用点积，在矩阵的意义上，你应该使用.dot方法，这正是：将其输入解释为向量/矩阵/张量，然后做点积。

Numpy数组不是向量。或者是矩阵。它们是数组

它们可以用来表示向量、矩阵、张量或任何你想要的东西。然而，numpy的天才在于表示数组，并让用户决定它们的含义

在数组上定义的一个操作是逐项乘法。此外，广播允许您通过在缺失维度中“扩展”不同形状的数组，从而对其进行操作，因此您的乘法实际上是以下各项的逐项乘法：

[[1.0, 0.0], [0.0, 1.0]] * [[2.0, 2.0], [3.0, 3.0]]

---

如果你想使用点积，在矩阵意义上，你应该使用.dot方法，它正是这样做的：将其输入解释为向量/矩阵/张量，然后进行点积。

在计算机中，1x2数组和2x1数组之间不应该有什么区别，它们只是一个数组。现在，如果你想要点积，我相信它是在numpy或SCIPY中，你有两个问题：第一，*是元素的多重化。广播规则允许不同形状的阵列以这种方式相互传播。第二个问题的解释是：np乘积等于np.数组[[1.0,0.0]，[0.0,1.0]]*np.数组[[2.0,2.0]，[3.0,3.0]]在计算机中，1x2数组和2x1数组之间不应该有什么区别，它们只是一个数组。现在，如果你想要点积，我相信它是在numpy或SCIPY中，你有两个问题：第一，*是元素的多重化。广播规则允许不同形状的阵列以这种方式相互传播。第二个问题的解释是：np乘积等于np.array[[1.0,0.0]，[0.0,1.0]]*np.array[[2.0,2.0]，[3.0,3.0]]相当于python中的matmul 2.x>2.6相当于python中的matmul 2.x>2.6