python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别

原文：https://blog.csdn.net/zenghaitao0128/article/details/78715140
import numpy as np
1

1. np.multiply()函数

函数作用

数组和矩阵对应位置相乘，输出与相乘数组/矩阵的大小一致
1.1数组场景

A = np.arange(1,5).reshape(2,2)
A
1
2
array([[1, 2],
[3, 4]])
1
2
B = np.arange(0,4).reshape(2,2)
B
1
2
array([[0, 1],
[2, 3]])
1
2
np.multiply(A,B) #数组对应元素位置相乘
1
array([[ 0, 2],
[ 6, 12]])
1
2
1.2 矩阵场景

np.multiply(np.mat(A),np.mat(B)) #矩阵对应元素位置相乘，利用np.mat()将数组转换为矩阵
1
matrix([[ 0, 2],
[ 6, 12]])
1
2
np.sum(np.multiply(np.mat(A),np.mat(B))) #输出为标量
1
20
1
2. np.dot()函数

函数作用

对于秩为1的数组，执行对应位置相乘，然后再相加；
对于秩不为1的二维数组，执行矩阵乘法运算；超过二维的可以参考numpy库介绍。
2.1 数组场景

2.1.1 数组秩不为1的场景

A = np.arange(1,5).reshape(2,2)
A
1
2
array([[1, 2],
[3, 4]])
1
2
B = np.arange(0,4).reshape(2,2)
B
1
2
array([[0, 1],
[2, 3]])
1
2
np.dot(A,B) #对数组执行矩阵相乘运算
1
array([[ 4, 7],
[ 8, 15]])
1
2
2.1.2 数组秩为1的场景

C = np.arange(1,4)
C
1
2
array([1, 2, 3])
1
D = np.arange(0,3)
D
1
2
array([0, 1, 2])
1
np.dot(C,D) #对应位置相乘，再求和
1
8
1
2.2 矩阵场景

np.dot(np.mat(A),np.mat(B)) #执行矩阵乘法运算
1
matrix([[ 4, 7],
[ 8, 15]])
1
2
3. 星号（*）乘法运算

作用

对数组执行对应位置相乘
对矩阵执行矩阵乘法运算
3.1 数组场景

A = np.arange(1,5).reshape(2,2)
A
1
2
array([[1, 2],
[3, 4]])
1
2
B = np.arange(0,4).reshape(2,2)
B
1
2
array([[0, 1],
[2, 3]])
1
2
A*B #对应位置点乘
1
array([[ 0, 2],
[ 6, 12]])
1
2
3.2矩阵场景

(np.mat(A))*(np.mat(B)) #执行矩阵运算
1
matrix([[ 4, 7],
[ 8, 15]])