python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别

转自：https://blog.csdn.net/zenghaitao0128/article/details/78715140

为了区分三种乘法运算的规则，具体分析如下：

import numpy as np1

1. np.multiply()函数

函数作用

  数组和矩阵对应位置相乘，输出与相乘数组/矩阵的大小一致

1.1数组场景

A = np.arange(1,5).reshape(2,2)
A12

array([[1, 2],
       [3, 4]])
12

B = np.arange(0,4).reshape(2,2)
B12

array([[0, 1],
       [2, 3]])
12

np.multiply(A,B)       #数组对应元素位置相乘1

array([[ 0,  2],
       [ 6, 12]])
12

1.2 矩阵场景

np.multiply(np.mat(A),np.mat(B))     #矩阵对应元素位置相乘，利用np.mat()将数组转换为矩阵1

matrix([[ 0,  2],
        [ 6, 12]])
12

np.sum(np.multiply(np.mat(A),np.mat(B)))    #输出为标量1

20
1

2. np.dot()函数

函数作用

  对于秩为1的数组，执行对应位置相乘，然后再相加；
  
  对于秩不为1的二维数组，执行矩阵乘法运算；超过二维的可以参考numpy库介绍。

2.1 数组场景

2.1.1 数组秩不为1的场景

A = np.arange(1,5).reshape(2,2)
A12

array([[1, 2],
       [3, 4]])
12

B = np.arange(0,4).reshape(2,2)
B12

array([[0, 1],
       [2, 3]])
12

np.dot(A,B)    #对数组执行矩阵相乘运算1

array([[ 4,  7],
       [ 8, 15]])
12

2.1.2 数组秩为1的场景

C = np.arange(1,4)
C12

array([1, 2, 3])
1

D = np.arange(0,3)
D12

array([0, 1, 2])
1

np.dot(C,D)   #对应位置相乘，再求和1

8
1

2.2 矩阵场景

np.dot(np.mat(A),np.mat(B))   #执行矩阵乘法运算1

matrix([[ 4,  7],
        [ 8, 15]])
12

3. 星号（*）乘法运算

作用

  对数组执行对应位置相乘
  
  对矩阵执行矩阵乘法运算

3.1 数组场景

A = np.arange(1,5).reshape(2,2)
A12

array([[1, 2],
       [3, 4]])
12

B = np.arange(0,4).reshape(2,2)
B12

array([[0, 1],
       [2, 3]])
12

A*B  #对应位置点乘1

array([[ 0,  2],
       [ 6, 12]])
12

3.2矩阵场景

(np.mat(A))*(np.mat(B))  #执行矩阵运算1

matrix([[ 4,  7],
        [ 8, 15]])