Numpy中的array和matrix三种乘法运算的区别

讨论numpy中的np.matmul，.dot以及*的区别，要区分一维情况和二维情况。

一维情况

import numpy as np

np_array = np.arange(3)
print(
    'np_array:', np_array,
    '\ndot:', np_array.dot(np_array),
    '\n*:', np_array * np_array
)

输出结果为：

np_array: [0 1 2] 
dot: 5 
*: [0 1 4]

可以看出，.dot是对应元素相乘再相加，而*是指对应元素相乘，大小和之前的数组是一样的。

二维情况

import numpy as np

np_array = np.arange(4).reshape((2, 2))      # The form of array
np_matrix = np.mat(np_array)
print(
    '\nnp_matrix:', np_matrix,
    '\nmatrix_mul1:', np_matrix.dot(np_matrix),
    '\nmatrix_mul2:', np.matmul(np_matrix, np_matrix),
    '\nmatrix_mul3:', np_matrix * np_matrix,        # matrix multiply
    '\nnp_array:', np_array,
    '\narray_mul1:', np_array.dot(np_array),
    '\narray_mul2:', np.matmul(np_array, np_array),
    '\narray_mul3:', np_array * np_array,       # corresponding elements multiply       
)

输出结果为：

np_matrix: [[0 1]
 [2 3]] 
matrix_mul1: [[ 2  3]
 [ 6 11]] 
matrix_mul2: [[ 2  3]
 [ 6 11]] 
matrix_mul3: [[ 2  3]
 [ 6 11]] 
np_array: [[0 1]
 [2 3]] 
array_mul1: [[ 2  3]
 [ 6 11]] 
array_mul2: [[ 2  3]
 [ 6 11]] 
array_mul3: [[0 1]
 [4 9]]

对于矩阵的二维情况，可以看到matmul、* 以及.dot都是标准意义上的矩阵相乘运算。
而对于数组，只有 * 是对应元素相乘，其余都是矩阵运算。

小结

因此，要明确区分一维和二维情况，在二维情况下，要注意 * 运算，不能和其他运算交替使用。