Python Numpy点返回不同的值

Numpy dot在标准化后返回不同的值。我有两个函数，它们应该返回相同的值

import numpy as np
from sklearn.preprocessing import normalize

def foo1(x, y):
    with np.errstate(invalid='ignore'):
        x_norm = np.nan_to_num(x / (np.linalg.norm(x, axis=0)))
    z = np.dot(x_norm, y / np.linalg.norm(y))
    print(z)

def foo2(x, y):
    x_norm = normalize(x, axis=0)
    z = np.dot(x_norm, normalize(y))
    print(z)

最小可重复示例

x = np.array([[1, 2, 3],
              [4, 5, 6]])
y = np.array([[1], [2], [3]])
foo1(x, y)
foo2(x, y)

输出

[[0.62190562]
 [1.47271032]]
[[1.0611399 ]
 [2.79304638]]

---

预期的第一个值。

因此，您的问题是因为

y

是一个3x1矩阵。调用时，它将在第二个轴（

axis=1

）上进行规格化，其中它将分别对每个值进行规格化。所以

normalize(y) -> array([[1.], [1.], [1.]])

当你想要的时候

normalize(y, axis=0) -> array([[0.26726124], [0.53452248], [0.80178373]])

进行此更改后，两个函数将返回相同的值

[[0.62190562]
[1.47271032]

您是否忘记将轴=0传递给规范化（y）？它在第一个函数中没有任何意义，我也不会将轴=0传递给y，函数工作，但在将其添加到第二个函数后，它会给出预期值。从numpy文档中获取，如果轴没有，则为向量范数（当x为1-D时）或者返回一个矩阵范数（当x为2-D时）。

normalize

默认在

axis=1

上运行