Python 一维数组在numpy中的乘法

我有两个一维向量（在某些情况下，它们也可以是二维矩阵）。 我找到了点积的点函数，但是如果我想用这些形状乘以a.dot（b）：

a = [1,0.2,...]
a.shape = (10,)
b = [2.3,4,...]
b.shape = (21,)
a.dot(b) and I get ValueError: matrices not aligned.

我想做什么

c = a.dot(b)
c.shape = (10,21)

---

有什么办法吗？我也尝试了转置函数，但它不起作用。

让我们从两个数组开始：

>>> a
array([0, 1, 2, 3, 4])
>>> b
array([5, 6, 7])

转置任一阵列都不起作用，因为它只有1D-没有什么可转置的，而是需要添加一个新轴：

>>> b.T
array([5, 6, 7])
>>> b[:,None]
array([[5],
       [6],
       [7]])

要使点积如图所示工作，您必须执行一些复杂的操作：

>>> np.dot(a[:,None],b[None,:])
array([[ 0,  0,  0],
       [ 5,  6,  7],
       [10, 12, 14],
       [15, 18, 21],
       [20, 24, 28]])

您可以依靠广播而不是

dot

：

a[:,None]*b

或者您可以简单地使用外部：

np.outer(a,b)

这三个选项都返回相同的结果

您可能还对以下内容感兴趣，以便每个向量始终是二维数组：

np.dot(np.atleast_2d(a).T, np.atleast_2d(b))

---

更简单的方法是如下定义数组：

 >>>b = numpy.array([[1,2,3]]) 

>>> b = numpy.array([1,2,3])
>>> b.reshape(1,3).T
array([[1],
       [2],
       [3]])

然后，您可以轻松地转换阵列：

 >>>b.T
 array([[1],
        [2],
        [3]])

你也可以做乘法运算：

 >>>b@b.T
 [[1 2 3]
 [2 4 6]
 [3 6 9]]

另一种方法是强制重塑向量，如下所示：

 >>>b = numpy.array([[1,2,3]]) 

>>> b = numpy.array([1,2,3])
>>> b.reshape(1,3).T
array([[1],
       [2],
       [3]])

---

我希望能够调用simple.dot函数，因为现在我必须区分一维向量和矩阵。@Cospel看到我更新的答案，可能会对您有所帮助。它所做的只是抽象出if语句，但它可以将问题简化为一行。第三个例子是元素乘法，而不是点积。结果应该是

[[14]]

，或者输入应该是

>>b*b.T