Python 矩阵和向量的元素点积
有很多类似的问题,但我真的不知道如何将它们精确地应用到我的案例中 我有一个矩阵数组和一个向量数组,我需要元素的点积。说明:Python 矩阵和向量的元素点积,python,numpy,matrix,array-broadcasting,Python,Numpy,Matrix,Array Broadcasting,有很多类似的问题,但我真的不知道如何将它们精确地应用到我的案例中 我有一个矩阵数组和一个向量数组,我需要元素的点积。说明: In [1]: matrix1 = np.eye(5) In [2]: matrix2 = np.eye(5) * 5 In [3]: matrices = np.array((matrix1,matrix2)) In [4]: matrices Out[4]: array([[[ 1., 0., 0., 0., 0.], [ 0., 1.
In [1]: matrix1 = np.eye(5)
In [2]: matrix2 = np.eye(5) * 5
In [3]: matrices = np.array((matrix1,matrix2))
In [4]: matrices
Out[4]:
array([[[ 1., 0., 0., 0., 0.],
[ 0., 1., 0., 0., 0.],
[ 0., 0., 1., 0., 0.],
[ 0., 0., 0., 1., 0.],
[ 0., 0., 0., 0., 1.]],
[[ 5., 0., 0., 0., 0.],
[ 0., 5., 0., 0., 0.],
[ 0., 0., 5., 0., 0.],
[ 0., 0., 0., 5., 0.],
[ 0., 0., 0., 0., 5.]]])
In [5]: vectors = np.ones((5,2))
In [6]: vectors
Out[6]:
array([[ 1., 1.],
[ 1., 1.],
[ 1., 1.],
[ 1., 1.],
[ 1., 1.]])
In [9]: np.array([m @ v for m,v in zip(matrices, vectors.T)]).T
Out[9]:
array([[ 1., 5.],
[ 1., 5.],
[ 1., 5.],
[ 1., 5.],
[ 1., 5.]])
最后一行是我想要的输出。不幸的是,这是非常低效的,例如,做matrix@vectors
计算由于广播而产生的不需要的点积(如果我理解得很好,它返回第一个矩阵点2个向量,第二个矩阵点2个向量)实际上更快
我想np.einsum
或np.tensordot
可能会有帮助,但我所有的尝试都失败了:
In [30]: np.einsum("i,j", matrices, vectors)
ValueError: operand has more dimensions than subscripts given in einstein sum, but no '...' ellipsis provided to broadcast the extra dimensions.
In [34]: np.tensordot(matrices, vectors, axes=(0,1))
Out[34]:
array([[[ 6., 6., 6., 6., 6.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]],
[[ 0., 0., 0., 0., 0.],
[ 6., 6., 6., 6., 6.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]],
[[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 6., 6., 6., 6., 6.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]],
[[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 6., 6., 6., 6., 6.],
[ 0., 0., 0., 0., 0.]],
[[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 6., 6., 6., 6., 6.]]])
注意:我的真实案例场景使用了比
matrix1
和matrix2
更复杂的矩阵。对于np.einsum
,您可以使用:
np.einsum("ijk,ki->ji", matrices, vectors)
#array([[ 1., 5.],
# [ 1., 5.],
# [ 1., 5.],
# [ 1., 5.],
# [ 1., 5.]])
您可以按如下方式使用
@
matrices @ vectors.T[..., None]
# array([[[ 1.],
# [ 1.],
# [ 1.],
# [ 1.],
# [ 1.]],
# [[ 5.],
# [ 5.],
# [ 5.],
# [ 5.],
# [ 5.]]])
正如我们所见,它计算正确的事情,但安排错误。
所以
(matrices @ vectors.T[..., None]).squeeze().T
# array([[ 1., 5.],
# [ 1., 5.],
# [ 1., 5.],
# [ 1., 5.],
# [ 1., 5.]])
我想就是这样。我得研究一下爱因斯坦的符号,我想。。。谢谢不客气。很高兴有帮助!这同样有效,显然它与@Psidom的解决方案一样快。我会接受他的回答,因为他跑得更快,但这相当好…@nicoco对我很好。谢谢你安排时间。知道这一点很有用。