numpy笔记--np.dot()

导入方式

import numpy as np

np.dot()函数

①向量点积

        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])    # 5行*1列, (5,)
b = np.array([6, 7, 8, 9, 10])   # 5行*1列, (5,)
print(np.dot(a, b))              # 输出 >> 130

②矩阵乘法

        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.array([1,2,3,4,5])                  # 5行*1列, (5,) 
b = np.random.randint(0,10, size = (5,5))  # 5行*5列，(5,5)

c1 = np.dot(a, b))                        # 输出 >> [31 41 41 83 87], 5行*1列, shape是(5,)
c2 = np.dot(a.T, b))                      # c1 == c2
c3 = np.dot(b, a)                         # c3 != c2 ,shape是 (5,)
c4 = np.dot(b, a.T)                       # c3 == c4 ,shape是 (5,)

注意：一维矩阵和一维向量的区别

• 一维向量的shape是（5,），一维矩阵的shape是（5，1）；
• 若两个参数 a 和 b 都是一维向量，则 dot() 是点积；但当其中有一个是矩阵（含一维矩阵），则 dot() 是矩阵乘法。
• 一维矩阵乘法，会自动进行转置(见示例)。

③矩阵乘法

        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)) # 5行*5列，(5,5)
b = np.random.randint(0, 10, size = (5, 3)) # 5行*3列，(5,3)
c = np.dot(a, b)                            # 5行*3列，(5,3)