如何实现正确的矩阵相乘

#这里主要是指原数据不方便放在Dataframe的情况，如果在dataframe里面可以直接一列运算。
当希望对像素点的DN数据进行大量的换算时，我最开始一般都采用了if循环。特别是最近在学着处理一些DSPM-OLS的夜晚灯光图形，需要通过非衰变区域（0-62）推测衰变区域（63）的像素块的数据。
后来发现if循环真的特别耗时，虽然保证每次调用和填入的新值不会填错位置，但是效率非常低下。为了避免这种低效率代码，我后来发现可以考虑构造矩阵运算。可能对于科班出身的人来说，这是很容易想到的解决办法。
矩阵运算一般有两种：
（1） 行数和列数相同的矩阵，可以实现同位置元素的四则运算

import numpy as np
x = np.ones([4,5])
x 
y = np.zeros([4,5])
y 
x+y 

结果如下：

（2）当前一个矩阵的列数等于后一个矩阵的行数，可以进行内积，需要使用np.dot()进行！
这里切记，内积不能够直接让矩阵相乘，而应该使用dot进行计算