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]])