Python 如何在numpy中获得元素矩阵乘法（Hadamard乘积）？

我有两个矩阵

a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])

我想得到元素的乘积，

[[1*5,2*6]，[3*7,4*8]

，等于

[[5,12]，[21,32]

我试过了

print(np.dot(a,b)) 

及

但两者都给出了结果

[[19 22]，[43 50]

这是矩阵积，不是元素积。如何使用内置函数获取元素级产品（又称Hadamard产品）？

只需执行以下操作：

import numpy as np

a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])

a * b

---

对于

矩阵

对象的元素乘法，可以使用：

结果

array([[ 5, 12],
       [21, 32]])

但是，您应该真正使用

数组

，而不是

矩阵

<代码>矩阵对象与常规数组有各种可怕的不兼容性。使用Ndarray，您只需使用

*

进行元素乘法：

a * b

如果您使用的是Python 3.5+，您甚至不会失去使用运算符执行矩阵乘法的能力，因为：

np.multiply

和

*

都会产生称为哈达玛积的元素级乘法

%timeit

是ipython magic

试试这个：

a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])

#This would result a 'numpy.ndarray'
result = np.array(a) * np.array(b)

这里，

np.array（a）

返回类型为

ndarray

的2D数组，两个

ndarray

相乘将导致元素相乘。因此，结果将是：

result = [[5, 12], [21, 32]]

如果你想得到一个矩阵，你可以这样做：

result = np.mat(result)

---

你确定

a

和

b

不是NumPy的矩阵类型吗？对于此类，

*

返回内积，而不是元素。但是对于通常的

ndarray

类，

*

表示元素级产品。

a

和

b

是numpy数组吗？另外，在您上面的问题中，您正在使用

x

和

y

进行计算，而不是

a

和

b

。这只是一个输入错误吗？a和b是numpy矩阵类型的元素通常使用numpy数组，而不是numpy矩阵。看看这个。还请注意，在python 3.5+中，您可以与numpy数组一起使用，这意味着绝对没有理由在数组上使用矩阵。他们将在np.dot中工作；但不在

a*b

中。如果使用

np.array（a）

或

np.matrix（a）

，

*

工作，但结果不同。nop，它给出矩阵乘法。云计算使用numpy.multiply解决它您使用的是哪个版本的Python和哪个版本的Python？numpy呢？使用Intel Python 3.5.2和numpy 1.12.1，

*

运算符似乎可以执行元素乘法。这对我来说也适用于Python 3.5.2（使用gcc构建）上的numpy 1.12.1。@Malintha，我认为你在做a=np.*matrix**（[[1,2]，[3,4]]），而不仅仅是为了添加一点上下文：在代数中，这种运算称为哈达玛积，它不同于更常见的矩阵积。请解释一下它的作用。@LeopoldJoy我刚刚编辑了我的答案，希望这有帮助：））

import numpy as np
x = np.array([[1,2,3], [4,5,6]])
y = np.array([[-1, 2, 0], [-2, 5, 1]])

x*y
Out: 
array([[-1,  4,  0],
       [-8, 25,  6]])

%timeit x*y
1000000 loops, best of 3: 421 ns per loop

np.multiply(x,y)
Out: 
array([[-1,  4,  0],
       [-8, 25,  6]])

%timeit np.multiply(x, y)
1000000 loops, best of 3: 457 ns per loop

a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])

#This would result a 'numpy.ndarray'
result = np.array(a) * np.array(b)

result = [[5, 12], [21, 32]]

result = np.mat(result)