Python中matmul、*、.dot、@与.multiply区别

在 Python 中，有多种用于矩阵和数组运算的操作符和函数。以下是其中一些常见的操作符和函数，以及它们之间的区别：

1. `*`：对应元素相乘（element-wise multiplication）

2. `@` 或 `.dot()` 或 `numpy.matmul()`：矩阵乘法（matrix multiplication）

3. `numpy.multiply()`：对应元素相乘，与 `*` 相似

 1. `*` - 对应元素相乘

import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

result = A * B
print(result)

输出：

[[ 5 12]
 [21 32]]

 2. `@` 或 `.dot()` 或 `numpy.matmul()` - 矩阵乘法

import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

result = A @ B
# 或者
result_dot = A.dot(B)
# 或者
result_matmul = np.matmul(A, B)

print(result)
print(result_dot)
print(result_matmul)

输出：

[[19 22]
 [43 50]]

3. `numpy.multiply()` - 对应元素相乘

import numpy as np

A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

result = np.multiply(A, B)
print(result)

输出：

[[ 5 12]
 [21 32]]

总结：

 `*` 和 `numpy.multiply()` 都执行对应元素的乘法。
`@`、`.dot()` 和 `numpy.matmul()` 都执行矩阵乘法，适用于二维数组或矩阵。

选择使用哪种操作符或函数取决于你的具体需求和数据类型。在进行矩阵乘法时，通常推荐使用 `@` 或 `.dot()` 或 `numpy.matmul()`，因为它们更直观，而且适用于多维数组。

---

 注意点：

当使用@时，若两侧矩阵/数组维度不同，则产生结果的维度也不相同：

x = [[1, 2], [3, 4], [5, 6]]
y = np.ones(2)
print(x@y)
print(x@y.reshape(2, 1))

输出：

[[1, 2], [3, 4], [5, 6]]
[1. 1.]
[ 3.  7. 11.]
[[ 3.]
 [ 7.]
 [11.]]