python数组对应元素相乘(multiply)、两个矩阵相乘(dot)、星号（*）乘法-Python中数组、矩阵乘法

想必大家做机器学习都被矩阵乘法，矩阵对应元素相乘等问题困扰过。本文将一一为大家讲解。

1.np.dot

np.dot()函数主要有两个功能，向量点积和矩阵乘法，这里我就简单列举了三种最常用到的情况

1. np.dot(a, b), 其中a为一维的向量，b为一维的向量，当然这里a和b都是np.ndarray类型的, 此时因为是一维的所以是向量点积。

import numpy as np
 
a = np.array([1, 2, 3, 4, 5])
b = np.array([6, 7, 8, 9, 10])
print(np.dot(a, b))
 
output:
130
[Finished in 0.2s]

2. np.dot(a, b), 其中a为二维矩阵，b为一维向量，这时b会被当做一维矩阵进行计算

import numpy as np
 
a = np.random.randint(0,10, size = (5,5))
b = np.array([1,2,3,4,5])
print("the shape of a is " + str(a.shape))
print("the shape of b is " + str(b.shape))
print(np.dot(a, b))
 
 
output:
the shape of a is (5, 5)
the shape of b is (5,)
[42 85 50 81 76]
[Finished in 0.2s]

这里需要注意的是一维矩阵和一维向量的区别，一维向量的shape是(5, ), 而一维矩阵的shape是(5, 1), 若两个参数a和b都是一维向量则是计算的点积，但是当其中有一个是矩阵时（包括一维矩阵），dot便进行矩阵乘法运算，同时若有个参数为向量，会自动转换为一维矩阵进行计算。

3. np.dot(a ,b), 其中a和b都是二维矩阵，此时dot就是进行的矩阵乘法运算

import numpy as np
 
a = np.random.randint(0, 10, size = (5, 5))
b = np.random.randint(0, 10, size = (5, 3))
print("the shape of a is " + str(a.shape))
print("the shape of b is " + str(b.shape))
print(np.dot(a, b))
 
 
output:
the shape of a is (5, 5)
the shape of b is (5, 3)
[[ 66  80  98]
 [ 53  60  60]
 [ 65  84  85]
 [ 25 113 101]
 [ 42  78  77]]
[Finished in 0.2s]

2.np.multiply()

由于multiply是ufunc函数，ufunc函数会对这两个数组的对应元素进行计算，因此它要求这两个数组有相同的大小(shape相同)，相同则是计算内积。如果shape不同的话，会将小规格的矩阵延展成与另一矩阵一样大小，再求两者内积。
两种情况：
1、当两个规格大小一样时，得到结果则是两个的内积

In :       	a = np.arange(1,5).reshape(2,2)# a.shape = (2,2)	#a.shape = (2,2)
In :       	b = np.array([1,2,3,4]).reshape(2,2)          		#b.shape = (2,2)
Out: 		[[1 2]												#其中a =b
 			 [3 4]]

In : 		np.multiply(a, b) 
Out: 		[[ 1  4]
 			 [ 9 16]]               							#结果是a与b的内积                      	

2、当两个矩阵大小不一样，则先将小的扩大到与另一矩阵大小一样，再求内积

In :       	a = np.array ([[1,2,3],[4,5,6]])         # a.shape = (2, 3)
Out: 		[[1 2 3]
			 [4 5 6]]

In :       	b = np.array([1,2,3])         			 # b.shape = (1,3)
In : 		np.multiply(a, b) 						 #先将b扩展成 array ([[1, 2, 3],
        		    								 #					 [1, 2, 3]])  

Out: 		array ([[1, 4, 9],
        		    [4,10,18]])            			#最后a与b*的内积（b*是延展后的b）                     	

3.星号（*）

作用

对数组执行对应位置相乘
对矩阵执行矩阵乘法运算

A = np.arange(1,5).reshape(2,2)
B = np.arange(0,4).reshape(2,2)
print(A*B)

array([[ 0, 2],
[ 6, 12]])

(np.mat(A))*(np.mat(B))

matrix([[ 4, 7],
[ 8, 15]])