Python numpy 矩阵乘法multiply()、dot()、 matmul()、' * '、'@'辨析

分类:

元素相乘:multply()
矩阵相乘:dot()、matmul()、’@’
’ * ': 是特别的。在数组操作中,作为元素相乘;在矩阵操作中作为矩阵相乘。

以下举例说明:

import numpy as np
在数组上操作的效果:
>>> a1 = np.array([[1,2,3],[4,5,6]])
>>> b1 = np.array([1,2,3])
>>> a2 = np.array([1,2,3])
>>> b2 = np.array([1,2,3])
>>> a1 * b1 # 对应元素相乘
[[ 1  4  9]
 [ 4 10 18]]
>>> a1 @ b1 # 矩阵相乘
[14 32]
>>> a2 * b2 # 对应元素相乘
[1 4 9]
>>> a2 @ b2 # 矩阵相乘
 14
>>> np.multiply(a1, b1), np.multiply(a2, b2) # 对应元素相乘
(array([[ 1,  4,  9],
        [ 4, 10, 18]]), array([1, 4, 9]))
>>> np.dot(a1, b1), np.dot(a2, b2) # 矩阵相乘
(array([14, 32]), 14)
>>> np.matmul(a1, b1), np.matmul(a2, b2) # 矩阵相乘
(array([14, 32]), 14)
在矩阵上的效果:
>>> a3 = np.matrix([[1,2,3],[4,5,6]])
>>> b3_1 = np.matrix([1,2,3])
>>> b3 = np.matrix([[1],[2],[3]])
>>> a3 * b3 # 矩阵相乘
[[14]
 [32]]
>>> a3 @ b3 # 矩阵相乘
[[14]
 [32]]
>>> np.multiply(a3,b3_1) # 对应元素相乘
matrix([[ 1,  4,  9],
        [ 4, 10, 18]])

>>> np.dot(a3, b3) # 矩阵相乘
matrix([[14],
        [32]])

>>> np.matmul(a3, b3) # 矩阵相乘
matrix([[14],
        [32]])

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值