Python 矩阵NumPy数组的元素乘法
我有两个NumPy数组(长度相等),每个数组的元素是(大小相等的正方形)NumPy矩阵。我想对这两个数组进行元素矩阵乘法,即返回一个数组,其中第I个元素是两个数组的第I个元素的矩阵积 当我简单地尝试将数组相乘时,程序似乎试图计算数组的矩阵积,然后失败,因为它们的维数太高(数组为1,矩阵为其元素为2) 这个问题当然可以用for循环来解决,但我希望有一种方法可以让一切都在NumPy内部,以便充分利用它提高的效率 编辑:Python 矩阵NumPy数组的元素乘法,python,arrays,performance,numpy,matrix,Python,Arrays,Performance,Numpy,Matrix,我有两个NumPy数组(长度相等),每个数组的元素是(大小相等的正方形)NumPy矩阵。我想对这两个数组进行元素矩阵乘法,即返回一个数组,其中第I个元素是两个数组的第I个元素的矩阵积 当我简单地尝试将数组相乘时,程序似乎试图计算数组的矩阵积,然后失败,因为它们的维数太高(数组为1,矩阵为其元素为2) 这个问题当然可以用for循环来解决,但我希望有一种方法可以让一切都在NumPy内部,以便充分利用它提高的效率 编辑: 为了澄清,假设我有两个数组np.array([A,B,C])和np.array(
为了澄清,假设我有两个数组
np.array([A,B,C])
和np.array([X,Y,Z])
其中A
,B
,C
,Y
和Z
都是3x3个方阵,我需要的是一个返回np.array([A*X,B*Y,C*Z])
,其中,*
是矩阵乘法。*
在numpy中将执行元素操作,即:
>>> a
array([[[0.86812606, 0.16249293, 0.61555956],
[0.12381998, 0.84800823, 0.80731896],
[0.56910074, 0.4071833 , 0.069167 ]],
[[0.69742877, 0.45354268, 0.7220556 ],
[0.86638233, 0.97552151, 0.85580334],
[0.01171408, 0.35997806, 0.72999056]]])
>>> b
array([[[0.17162968, 0.52103661, 0.05433799],
[0.19999652, 0.01852179, 0.7936977 ],
[0.22392469, 0.34535168, 0.92808129]],
[[0.7044144 , 0.03183893, 0.16469416],
[0.6214784 , 0.57722859, 0.23789282],
[0.934214 , 0.61396596, 0.5356328 ]]])
>>> a * b
array([[[0.1489962 , 0.08466477, 0.03344827],
[0.02476357, 0.01570663, 0.6407672 ],
[0.12743571, 0.14062144, 0.06419259]],
[[0.49127887, 0.01444031, 0.11891834],
[0.5384379 , 0.5630989 , 0.20358947],
[0.01094346, 0.22101428, 0.39100689]]])
这不是您要找的吗?
*
在numpy中将执行元素操作,即:
>>> a
array([[[0.86812606, 0.16249293, 0.61555956],
[0.12381998, 0.84800823, 0.80731896],
[0.56910074, 0.4071833 , 0.069167 ]],
[[0.69742877, 0.45354268, 0.7220556 ],
[0.86638233, 0.97552151, 0.85580334],
[0.01171408, 0.35997806, 0.72999056]]])
>>> b
array([[[0.17162968, 0.52103661, 0.05433799],
[0.19999652, 0.01852179, 0.7936977 ],
[0.22392469, 0.34535168, 0.92808129]],
[[0.7044144 , 0.03183893, 0.16469416],
[0.6214784 , 0.57722859, 0.23789282],
[0.934214 , 0.61396596, 0.5356328 ]]])
>>> a * b
array([[[0.1489962 , 0.08466477, 0.03344827],
[0.02476357, 0.01570663, 0.6407672 ],
[0.12743571, 0.14062144, 0.06419259]],
[[0.49127887, 0.01444031, 0.11891834],
[0.5384379 , 0.5630989 , 0.20358947],
[0.01094346, 0.22101428, 0.39100689]]])
这不是您要寻找的吗?操作符在默认情况下对于numpy
数组是“元素明智的”。只需使用@
运算符(矩阵乘法)而不是*
:
In [24]: A = np.arange(9).reshape(3,3)
In [25]: X = np.array([A[:], A[:]*2, A[:]*3])
In [26]: Y = X[:]
In [27]: X @ Y
Out[27]:
array([[[ 15, 18, 21],
[ 42, 54, 66],
[ 69, 90, 111]],
[[ 60, 72, 84],
[168, 216, 264],
[276, 360, 444]],
[[135, 162, 189],
[378, 486, 594],
[621, 810, 999]]])
In [28]: X[0] @ Y[0]
Out[28]:
array([[ 15, 18, 21],
[ 42, 54, 66],
[ 69, 90, 111]])
In [29]: X[1] @ Y[1]
Out[29]:
array([[ 60, 72, 84],
[168, 216, 264],
[276, 360, 444]])
In [30]: X[2] @ Y[2]
Out[30]:
array([[135, 162, 189],
[378, 486, 594],
[621, 810, 999]])
HTH.默认情况下,对于numpy
数组,运算符是“按元素”的。只需使用@
运算符(矩阵乘法)而不是*
:
In [24]: A = np.arange(9).reshape(3,3)
In [25]: X = np.array([A[:], A[:]*2, A[:]*3])
In [26]: Y = X[:]
In [27]: X @ Y
Out[27]:
array([[[ 15, 18, 21],
[ 42, 54, 66],
[ 69, 90, 111]],
[[ 60, 72, 84],
[168, 216, 264],
[276, 360, 444]],
[[135, 162, 189],
[378, 486, 594],
[621, 810, 999]]])
In [28]: X[0] @ Y[0]
Out[28]:
array([[ 15, 18, 21],
[ 42, 54, 66],
[ 69, 90, 111]])
In [29]: X[1] @ Y[1]
Out[29]:
array([[ 60, 72, 84],
[168, 216, 264],
[276, 360, 444]])
In [30]: X[2] @ Y[2]
Out[30]:
array([[135, 162, 189],
[378, 486, 594],
[621, 810, 999]])
HTH.请提供数据示例。如果将阵列描述为
(n,3,3)
形状,可能会有所帮助。在提供@
(np.matmul
)之前,最好的解决方案是:np.einsum('ijk,ikl->ijl',[A,B,C],[X,Y,Z])
。作为表达和可视化复杂矩阵产品的一种方式,它仍然很有用。请提供数据示例。如果您将数组描述为(n,3,3)
形状,它可能会有所帮助。在提供@
(np.matmul
)之前,最好的解决方案是:np.einsum('ijk,ikl->ijl',[A,B,C],[X,Y,Z])
。作为一种表达和可视化复杂矩阵产品的方式,它仍然很有用。不,理想的结果是使用一个数组,其中元素是输入数组中矩阵的矩阵产品,而不是元素产品。如果不清楚,我很抱歉。不,理想的结果是有一个数组,其中元素是我输入数组中矩阵的矩阵积,而不是元素积。如果不清楚的话,我道歉。