numpy中数组(矩阵)的乘法

标签：方便   matlab   a*   mat   优势   乘法   array   tla   处理   

　　我们知道在处理数据的时候，使用矩阵间的运算将会是方便直观的。matlab有先天的优势，算矩阵是它的专长。当然我们用python，经常要用到的可能是numpy这个强大的库。

　　矩阵有两种乘法，点乘和对应项相乘(element-wise product)。在numpy中应该怎么实现呢，看看下面的例子就明白了。

## A = B = array([[1, 2],
##                [3, 4]])
>>>A = np.array([[1,2],[3,4]])
>>>B = np.array([[1,2],[3,4]])
>>>A@B
array([[ 7, 10],
       [15, 22]])
>>>np.dot(A,B)
array([[ 7, 10],
       [15, 22]])
>>>np.multiply(A,B)
array([[ 1,  4],
       [ 9, 16]])
>>>A*B
array([[ 1,  4],
       [ 9, 16]])

　　结果一目了然：

　　np.dot(A, B) = A@B = 点乘

　　np.multiply(A, B) = A*B = 对应项相乘

　　点乘要求前者的列数等于后者的行数，对应项相乘需要矩阵的形状相同(或者说有矩阵的延拓情况？没有试验过)　　　　

numpy中数组(矩阵)的乘法

标签：方便   matlab   a*   mat   优势   乘法   array   tla   处理   

原文地址：https://www.cnblogs.com/chester-cs/p/12690299.html