【python】numpy中的np.dot(),np.matmul(), np.multiply(), np.prod(), * , @ 的区别

5.16

#15 numpy中的np.dot(),np.matmul(), np.multiply(), np.prod(), * , @ 的区别

1. np.dot()：向量内积（矩阵乘法）
2. np.matmul()：矩阵乘法
3. np.multiply()：对应元素相乘
4. np.prod()：矩阵某维度的元素乘积
5. *：等价于np.multiply()
6. @：等价于np.matmul()

比如：

(1) np.dot()

>>> a = np.array([1,2,3,4])
>>> b = np.array([2,1,2,4])
>>> np.dot(a,b)
26

(2) np.matmul()和@

>>> A = np.array([[1,2,3],
...               [2,3,4],
...               [1,0,0]])
>>> B = np.array([[1,0,0],
...               [0,1,1],
...               [0,0,1]])
>>> np.matmul(A,B)
array([[1, 2, 5],
       [2, 3, 7],
       [1, 0, 0]])
>>> A@B
array([[1, 2, 5],
       [2, 3, 7],
       [1, 0, 0]])
>>> np.matmul(B,A)
array([[1, 2, 3],
       [3, 3, 4],
       [1, 0, 0]])
>>> B@A
array([[1, 2, 3],
       [3, 3, 4],
       [1, 0, 0]])

(3) np.multiply()和*

>>> A = np.array([[1,2,3],
...               [2,3,4],
...               [1,0,0]])
>>> np.prod(A)
0
>>> np.prod([[1,2],[3,4]])
24
>>> np.prod(A,axis=1)
array([ 6, 24,  0])
>>> 
>>> np.multiply(2,A)
array([[2, 4, 6],
       [4, 6, 8],
       [2, 0, 0]])
>>> 
>>> 2*A
array([[2, 4, 6],
       [4, 6, 8],
       [2, 0, 0]])
>>> 
>>> np.multiply(2,1)
2

备注：其实输入二维矩阵到np.dot()也能实现矩阵运算，但不推荐这样做，尽量让专门的函数做专门的事情