python中numpy库内multiply()、dot()和 * 三种乘法运算的区别小记

首先，导入函数包：

# -*- coding: utf-8 -*-
import numpy as np

1 np.multiply()函数:

数组：对应位置元素相乘(点对点）
矩阵：对应位置元素相乘(点对点）
结论：结果相同

示例：

# 生成数组
A = np.array([[1,2],[3,4]])
B = np.array([[1,3],[2,4]])

# 生成矩阵
A_mat = np.mat(A)
B_mat = np.mat(B)

# 输出np.multiply()结果
A_B_multiply = np.multiply(A, B)
print(A_B_multiply)
'''
[[1 6]
 [6 16]]
'''
A_B_mat_multiply = np.multiply(A_mat, B_mat)
print(A_B_mat_multiply)
'''
[[1 6]
 [6 16]]
'''
# 结论：结果相同

2 np.dot()函数:

数组：行对列，对应元素乘积后相加求和（矩阵乘法）
矩阵：行对列，对应元素乘积后相加求和（矩阵乘法）
结论：结果相同

示例：

# 生成数组
A = np.array([[1,2],[3,4]])
B = np.array([[1,3],[2,4]])

# 生成矩阵
A_mat = np.mat(A)
B_mat = np.mat(B)

# 输出np.dot()结果
A_B_dot = np.dot(A, B)
print(A_B_dot)
'''
[[5 11]
 [11 25]]
'''

A_B_mat_dot = np.dot(A_mat, B_mat)
print(A_B_mat_dot)
'''
[[5 11]
 [11 25]]
'''
# 结论：结果相同

3 ‘*’乘 :

数组：（点对点乘）对应位置元素相乘
矩阵：（矩阵乘法）行对列，对应元素乘积后相加求和
结论：结果不同

示例：

# 生成数组
A = np.array([[1,2],[3,4]])
B = np.array([[1,3],[2,4]])

# 生成矩阵
A_mat = np.mat(A)
B_mat = np.mat(B)

# 输出操作‘*’结果
print(A*B)
'''
[[1 6]
 [6 16]]
'''

print(A_mat*B_mat)
'''
[[5 11]
 [11 25]]
'''
# 结论：结果不同

总结：

	数组	矩阵
np.multiply()	点对点相乘	点对点相乘
np.dot()	矩阵乘法	矩阵乘法
*	点对点相乘	矩阵乘法