NumPy库学习之dot函数

NumPy库学习之dot函数

一、简介

NumPy是一个Python科学计算的基础包，提供了大量的数学函数用于对数组进行操作。dot函数是NumPy库中用于计算两个数组的点积的函数。点积是两个向量元素对应相乘后求和的结果，如果两个数组的维度不匹配，则无法进行点积运算。

二、语法和参数

dot函数的基本语法如下：

numpy.dot(a, b, out=None)

参数说明：

• a：第一个输入数组。
• b：第二个输入数组。
• out：可选参数，用于指定输出数组的内存位置。

三、实例

3.1 一维数组的点积

import numpy as np

# 创建两个一维数组
a = np.array([1, 2, 3])
b = np.array([0, 1, 0])

# 计算点积
result = np.dot(a, b)
print(result)

输出：

2

3.2 二维数组与一维数组的点积

# 创建一个二维数组和一个一维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([1, 0])

# 计算点积
result = np.dot(a, b)
print(result)

输出：

[1 3]

3.3 二维数组的矩阵乘法

# 创建两个二维数组
a = np.array([[1, 2], [3, 4]])
b = np.array([[2, 0], [1, 2]])

# 计算矩阵乘法，即两个矩阵的点积
result = np.dot(a, b)
print(result)

输出：

[[ 4  4]
 [10  8]]

四、注意事项

• 点积要求参与运算的数组在相应的维度上是兼容的。对于一维数组，它们的长度必须相同；对于二维数组，第一个数组的列数必须与第二个数组的行数相匹配。
• dot函数可以用于计算两个向量的点积，也可以用于矩阵乘法。
• 如果指定了out参数，计算结果将被存储在这个参数指定的数组中，这可以节省内存，尤其是在处理大型数组时。
• NumPy还提供了@运算符作为dot函数的快捷方式，例如：a @ b 等同于 np.dot(a, b)。

五、什么时候点积？什么时候矩阵乘？

在NumPy中，np.dot函数的行为取决于其输入参数的维度。以下是点积和矩阵乘法（乘积）的执行条件：

5.1 点积

• 当两个参数都是一维数组（向量）时，np.dot执行点积。
• 结果是一个标量值，即两个向量对应元素相乘后求和的结果。

5.2 矩阵乘法（乘积）

• 当至少有一个参数是二维数组（矩阵），并且第一个参数的列数与第二个参数的行数相匹配时，np.dot执行矩阵乘法。
• 结果是一个二维数组，其维度是第一个参数的行数乘以第二个参数的列数。

5.3 特殊情况

• 如果第一个参数是二维数组，第二个参数是一维数组，并且一维数组的长度与二维数组的列数相等，np.dot将执行矩阵与向量的点积（广播实现），结果是一个向量。
• 如果第一个参数是一维数组，第二个参数是二维数组，并且二维数组的行数与一维数组的长度相等，np.dot将执行向量与矩阵的乘法，结果是一个向量。

5.4 总结

• 点积总是涉及两个一维数组。
• 矩阵乘法可以涉及两个二维数组或一个一维数组和一个二维数组，但必须满足维度兼容性条件。