np.dot()函数用法(亲测矩阵算法)

Numpy中dot()函数主要功能有两个：向量点积和矩阵乘法。

格式：x.dot(y) 等价于 np.dot(x,y) ———x是m*n 矩阵 ，y是n*m矩阵，则x.dot(y) 得到m*m矩阵。

一、向量点积
如果处理的是一维数组，则得到的是两数组的內积。

例1：

import numpy as np
x=np.array([0,1,2,3,4])#等价于:x=np.arange(0,5)
y=x[::-1]
print x
print y
print np.dot(x,y)
 
输出：

[0 1 2 3 4]
[4 3 2 1 0]
10
例2：

import numpy as np
x=np.arange(0,5)
y=np.random.randint(0,10,5)
print x
print y
print np.dot(x,y)
输出：

[0 1 2 3 4]
[5 1 0 9 2]
36
二、矩阵乘法
如果是二维数组（矩阵）之间的运算，则得到的是矩阵积

1.np.dot(x, y), 当x为二维矩阵，y为一维向量，这时y会转换一维矩阵进行计算

首先，我们来看一下一维向量和一位矩阵的不同

例3：

import numpy as np
x=np.arange(0,5)
y=np.random.randint(0,10,size=(5,1))
print x
print y
print "x.shape:"+str(x.shape)
print "y.shape"+str(y.shape)
print np.dot(x,y)
输出：

[0 1 2 3 4]
[[3]
 [7]
 [2]
 [8]
 [1]]
x.shape:(5,)
y.shape(5, 1)
[39]
可以看出一维向量的shape是(5, ), 而一维矩阵的shape是(5, 1), 若两个参数x和y中有一个是矩阵时（包括一维矩阵），dot便进行矩阵乘法运算，同时若有个参数为向量，会自动转换为一维矩阵进行计算。

2.np.dot(x, y)中，x、y都是二维矩阵，进行矩阵积计算

例4：

import numpy as np
x=np.arange(0,6).reshape(2,3)
y=np.random.randint(0,10,size=(3,2))
print x
print y
print "x.shape:"+str(x.shape)
print "y.shape"+str(y.shape)
print np.dot(x,y)
输出：

[[0 1 2]
 [3 4 5]]
[[7 5]
 [0 7]
 [6 2]]
x.shape:(2, 3)
y.shape(3, 2)
[[12 11]
 [51 53]]
注意：矩阵积计算不遵循交换律,np.dot(x,y) 和 np.dot(y,x) 得到的结果是不一样的。

0行 0列的计算，x里面的元素是[0 1 2]，y里面的元素是[7 0 6],计算结果是0×7+1×0+2×6=12

0行 1列的计算，x里面的元素是[0 1 2]，y里面的元素是[5 7 2],计算结果是0×5+1×7+2×2=11

计算依次类推
————————————————
版权声明：本文为CSDN博主「Liang_xj」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Liang_xj/article/details/85003467