Python 多个numpy数组的矩阵乘法

将矩阵与向量的numpy数组相乘的最快方法是什么？我需要将矩阵a乘以1000个向量列表中的每个向量。使用for循环花费的时间太长，所以我想知道是否有一种方法可以同时将它们相乘

例如：

arr = [[1,1,1], [1,1,1],[1,1,1]]

A=
[2 2 2]
[2 2 2]

所以我需要乘以arr中每个v的Av。结果是：

arr = [[6,6], [6,6], [6,6]]

有没有比以下更快的方法：

new_arr = []
for v in arr:
    sol = np.matmul(A, v)
    new_arr.append(sol)

---

似乎您想要一个点产品：

new_arr = np.dot(arr, A.T)

其中

arr

和

A

是numpy数组：

arr = np.array([[1,1,1], [1,1,1],[1,1,1]])
A = np.array([[2,2, 2],[2,2,2]])

结果:

array([[6, 6],
       [6, 6],
       [6, 6]])

根据您的编辑，您想要的dot产品可能是：

new_arr = np.dot(A, arr).T

---

两者都返回相同的结果，但计算结果不同。

哪种乘法？跨行元素？请提供具有预期输出的示例数据。您的术语有点模糊。

A

的形状是什么。另一个是列表还是数组？如果是数组，那么数据类型是什么？“向量”的形状是什么？

matmul

（和

dot

）的基本规则是

A

的最后一个维度与

B

（或

v

）中的第二个到最后一个维度配对。您是否尝试过

matmul（A，arr.T）

？如果

A

是（2,3）而

arr

是（4,3）

，那么您应该更清楚地想将3配对，并得到（2,4）或（4,2）结果。要获得

a`或

arr

的转置是必需的。在这种情况下，a.T是什么？使用numpy对

a

进行转置。根据两个矩阵的内容，您需要的也可能是

np.dot（a，arr）.T

。根据你的编辑，这可能是你想要的。哦，好的。这是有道理的。基本上我有一个50 x 30000的矩阵。我需要将这个矩阵乘以numpy数组中的每个向量。有500个dim=30000的向量。这仍然是正确的吗？噢，天哪。非常感谢你！我完全颠倒了我的两个矩阵。现在可以了：）