【Numpy】详解 Numpy 中的各种”乘法“操作

前言

文章主要介绍了 Numpy 中几个乘法函数的使用方法，包含较多的示例代码，建议点击目录直达所需内容，所有的示例代码可以 点击此处 免费获取。

在以下示例代码中，均已事前导入Numpy：import numpy as np

环境

• Windows 10
• Python 3.7.0
• Numpy 1.18.1

np.multiply(x1, x2)

函数注释

该函数是逐元素乘法，如果两个参数x1和x2的shape不同，将会进行 broadcastable

Multiply arguments element-wise.
Parameters
----------
x1, x2 : array_like
Input arrays to be multiplied. If x1.shape != x2.shape, they must be broadcastable to a common shape (which becomes the shape of the output).
Returns
-------
y : ndarray
The product of x1 and x2, element-wise.
This is a scalar if both x1 and x2 are scalars.

用法示例

【注】该函数的两个参数的位置可以替换，不影响最后的运算结果。

1. x1 x2都是 scalar，返回两者的乘积，也是 scalar

   print(np.multiply(2, 4))
   print(np.multiply(2, 3.8))
   ---output---
   8
   7.6
   

2. x1 为 scalar，x2 为 array_like，此时为矩阵与数的乘法，该数与矩阵中每一元素相乘，最后返回同shape的 array。按照文档中的描述，应该是先将scalar 广播（broadcast）为与另一参数同shape的矩阵，再进行逐元素的乘法。

   print(np.multiply(2, [3, 4, 8]))
   print(np.multiply(2, np.arange(0, 8).reshape((2, 2, 2))))
   ---output---
   [ 6  8 16]
   [[[ 0  2]
     [ 4  6]]
   
    [[ 8 10]
     [12 14]]]
   

3. x1 x2都是 array_like, 如果两个的shape相同，直接逐元素相乘再返回即可，否则需要进行广播（broadcast）。可以广播的最基本的条件就是两者shape的最后一个维度必须是相同的，具体的广播策略比较复杂，通过几个例子来试着理解一下。
   【例1】 (2, 2, 3) , (2, 3) —>(2, 2, 3)

   x1 = np.arange(0, 12).reshape((2, 2, 3))
   x2 = np.arange(0, 6).reshape(2, 3)
   print("-----x1------", x1.shape, "\n", x1)
   print("-----x2------", x2.shape, "\n", x2)
   print("-----multiply(x1, x2)------", np.multiply(x1, x2).shape, "\n", np.multiply(x1, x2))
   ---output---
   -----x1------ (2, 2, 3) 
    [[[ 0  1  2]
     [ 3  4  5]]
   
    [[ 6  7  8]
     [ 9 10 11]]]
   -----x2------ (2, 3) 
    [[0 1 2]
    [3 4 5]]
   -----multiply(x1, x2)------ (2, 2, 3) 
    [[[ 0  1  4]
     [ 9 16 25]]
   
    [[ 0  7 16]
     [27 40 55]]]
   

   【例2】(2, 2, 1, 3) ，(2, 3) —>(2, 2, 2, 3)

   x1 = np.arange(0, 12).reshape((2, 2, 1, 3