Python 阵列点积

我有一个列向量：

a = [[1] [2] [3]]

首先，我怎样才能去掉外支架？我需要在*a创建点积

，答案应该是单数。我当前的代码生成
[[14]]
，但我需要
14
本身

这是我目前的代码：

SSE = np.inner(np.transpose(a), np.transpose(a))

使用
hstack

np.hstack(a).dot(a)
array([14])

使用
hstack

np.hstack(a).dot(a)
array([14])

首先，让我们对符号要挑剔

a = [[1] [2] [3]]

不是有效的Python。即使目标是numpy数组，也会出现语法错误

In [202]: a = np.array([[1],[2],[3]])                                        
In [203]: a.shape                                                            
Out[203]: (3, 1)
In [204]: a                                                                  
Out[204]: 
array([[1],
       [2],
       [3]])
In [205]: print(a)                                                           
[[1]
 [2]
 [3]]

数组的print/str显示省略了逗号，但括号是显示的组成部分。它们有助于显示阵列的尺寸。此数组的等效列表显示为
[[1]、[2]、[3]]

如果我对a（1,3）和a（3,1）做一个
dot
，结果是（1,1）。
点
（以及您的
内部
版本）保留阵列的外部尺寸

In [206]: np.dot(a.T,a)                                                      
Out[206]: array([[14]])
In [207]: _.shape                                                            
Out[207]: (1, 1)

我们可以“展平”阵列，因此它的形状现在是（3，）：

np.dot
对1d数组参数有特殊的文档处理。请注意，
.T
转置是不需要的。转置对1d数组的形状没有任何影响

np.internal
也可以使用，但是
np.dot
更常用：

In [215]: np.inner(a.T, a.T)                                                 
Out[215]: array([[14]])
In [216]: np.inner(a1, a1)                                                   
Out[216]: 14

最近几年，有
matmul
函数和
@
操作符工作原理类似：

In [217]: a.T@a                                                              
Out[217]: array([[14]])

可以在计算后删除尺寸标注：

In [218]: (a.T@a).squeeze()                                                  
Out[218]: array(14)
In [219]: (a.T@a).item()                                                     
Out[219]: 14

首先，让我们对符号要挑剔

a = [[1] [2] [3]]

不是有效的Python。即使目标是numpy数组，也会出现语法错误

In [202]: a = np.array([[1],[2],[3]])                                        
In [203]: a.shape                                                            
Out[203]: (3, 1)
In [204]: a                                                                  
Out[204]: 
array([[1],
       [2],
       [3]])
In [205]: print(a)                                                           
[[1]
 [2]
 [3]]

数组的print/str显示省略了逗号，但括号是显示的组成部分。它们有助于显示数组的尺寸。此数组的等效列表显示为
[[1]，[2]，[3]]

如果我用a（3,1）对a（1,3）做一个
dot
，结果是（1,1）。
dot
（以及您的
内部版本）保留数组的外部尺寸

In [206]: np.dot(a.T,a)                                                      
Out[206]: array([[14]])
In [207]: _.shape                                                            
Out[207]: (1, 1)

我们可以“展平”阵列，因此它的形状现在是（3，）：

np.dot
对1d数组参数有特殊的文档处理。请注意，
.T
转置是不需要的。转置对1d数组的形状没有任何影响

np.internal
也可以使用，但是
np.dot
更常用：

In [215]: np.inner(a.T, a.T)                                                 
Out[215]: array([[14]])
In [216]: np.inner(a1, a1)                                                   
Out[216]: 14

最近几年，有
matmul
函数和
@
操作符工作原理类似：

In [217]: a.T@a                                                              
Out[217]: array([[14]])

可以在计算后删除尺寸标注：

In [218]: (a.T@a).squeeze()                                                  
Out[218]: array(14)
In [219]: (a.T@a).item()                                                     
Out[219]: 14

为什么要去掉外括号？这就是“列”向量的显示方式。
a
是（3,1）形状，对吗？
a.T
然后是（1,3）。
dot
在三维空间上留下一个（1,1）结果。为什么要去掉外括号？这就是“列”向量的显示方式。
a
是（3,1）形状，对吗？
a.T
然后是（1,3）。
dot
在三维上留下（1,1）结果。