numpy之np.dot()

终于到嘤国了，随手先水篇文章找找感觉吧

关于numpy中的np.dot

1. Numpy中dot()函数主要功能有两个：向量点积和矩阵乘法
2. 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。
3. 如果处理的是一维数组，则得到的是两数组的內积。
4. 如果处理的是二维数组（矩阵），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
   2. np.dot(x, y)中，x、y都是二维矩阵，进行矩阵积计算

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。
代码1：（x为二维矩阵，y为一维向量）

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))

[0 1 2 3 4]
[[3]
 [7]
 [2]
 [8]
 [1]]
x.shape:(5,)
y.shape(5, 1)
[39]

代码2：（x、y都是二维矩阵，进行矩阵积计算）

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))

[[0 1 2]
 [3 4 5]]
[[7 5]
 [0 7]
 [6 2]]
x.shape:(2, 3)
y.shape(3, 2)
[[12 11]
 [51 53]]