Python Numpy：列表中所有向量的点积

假设我有一个800个向量的列表，每个向量由1440个标量组成

List = [(1, 2, 3, ... , 1440),
        (1, 2, 3, ... , 1440),
        (1, 2, 3, ... , 1440),
        ...]

---

如何使用python和numpy以最快的方式计算每个向量对彼此向量的点积？

如果需要对称矩阵，其中

x_ij

是

a_I

与

a_j

的点积，那么：

a=np.array（列表）
x=a@a.T

您可以使用

np.triu\u索引

或

np.tril\u索引

来避免计算矩阵的后半部分。这不会影响计算的复杂性，但可能会为足够数量的长向量节省一些时间：

a = np.array(x)
n = a.shape[0]
r, c = np.triu_indices(n)
result = np.empty((n, n))
result[r, c] = result[c, r] = np.sum(a[r] * a[c], axis=1)

---

你的尝试是什么？你期望的结果是什么形状？它是一个对称矩阵，其中

x_ij

是

a_i

与

a_j

的点积。向量描述图像。我想通过得到向量的点积来比较它们。然后我想把他们安排在画布上。我提供了你想要的答案？这个@代表什么意思？

@

。另见。