numpy乘积运算

本文通过例子，对matrix/array格式的乘积运算进行总结。

1.关于乘积的三种操作

• *
• @
• np.dot()
• np.multiply()

2.一维matrix/array

 m,n=np.array([1,2]),np.array([2,3])
 a,b=np.mat([1,2]),np.mat([2,3])

2.1 使用*

 m*n
 Out: array([2, 6])
 
 a*b
 Out: ValueError: shapes (1,2) and (1,2) not aligned: 2 (dim 1) != 1 (dim 0)
 
 a*b.T
 Out: matrix([[8]])

在matrix格式，*出现了维度不匹配的问题，这是因为二者与我们通常理解的矩阵乘法是一致的。因此需要使用转置来解决。np.dot()也有类似情况，不再细述。

2.2 使用@

m @ n
#Out: 8 # type:numpy.int32

a @ b
ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 1 is different from 2)

a @ b.T
Out: matrix([[8]])

在matrix格式，@出现了维度不匹配的问题，这是因为二者与我们通常理解的矩阵乘法是一致的。因此需要使用转置来解决。*运算也有类似情况，不再细述。

2.3 使用np.dot()

np.dot(m,n)
Out: 8

np.dot(a,b.T)
Out: matrix([[8]])

2.4 使用np.multiply()

 np.multiply(m,n)
 Out: array([2, 6])
 np.multiply(a,b)
 Out: matrix([[2, 6]])

3.多维matrix/array

以二维为例：

 m,n=np.array([[1,2],[2,3]]),np.array([[1,0],[2,1]])
 a,b=np.mat([[1,2],[2,3]]),np.mat([[1,0],[2,1]])

3.1 使用*

m*n
#Out: 
array([[1, 0],
       [4, 3]])
       
a*b
#Out: 
matrix([[5, 2],
        [8, 3]])

3.2 使用@

m @ n
#Out: 
array([[5, 2],
       [8, 3]])
       
a @ b
#Out: 
matrix([[5, 2],
        [8, 3]])

3.3 使用np.dot()

np.dot(m,n)
#Out: 
array([[5, 2],
       [8, 3]])
       
np.dot(a,b)
#Out: 
matrix([[5, 2],
        [8, 3]])

3.4 使用np.multiply()

np.multiply(m,n)
#Out: 
array([[1, 0],
       [4, 3]])

np.multiply(a,b)
#Out: 
matrix([[1, 0],
        [4, 3]])

可见对于多维数组，np.dot()和np.multiply()运算结果在数值上是相同的。

总结如下：

可见 np.dot()与@算子是等价的。

参考文献

[1] numpy.dot