Numpy中dot ,* , multiply() ，matmul() 的区别 (待修改)

Numpy 中 * 用法

• 在numpy.array数组类型中(不能为list)，是将两个数组中元素一一对应相乘，即点乘。

• 在numpy.mat矩阵类型中，是叉乘,即矩阵相乘。

a = np.array([[3, 3, 3],[4, 4, 4]])
b = np.array([[5],[5]])
c = np.array([[5,5]])
d = np.mat([[3, 3, 3],[4, 4, 4]])
print(a*b)
print(c*d)

结果：

[[15 15 15]
 [20 20 20]]
[[35 35 35]]

numpy.dot()

当dot()作用在数组类型或list类型时，两个一维数组时，结果为内积；其他为矩阵乘（即矢量积，叉乘）。

官方文档
我翻译一下

• 如果a,b是两个实数，就是普通相乘。
• 如果a,b两个都是一维数组，结果就是向量的内积。
• 如果a,b都是二维数组，就变成矩阵相乘运算，推荐使用matmul和@代替。
• …等等

 a = np.array([1,1,1])
 b = np.array([2,2,2])
 c = np.array([[3,3,3],[4,4,4]])
 d = np.array([[5],[5],[5]])
 print(np.dot(a,b))
 print(np.dot(c,d))

结果：

6
[[35 35 35]]

当dot()作用在矩阵类型时（无论矩阵规模），两个矩阵要满足矩阵乘的行列要求，结果为矩阵乘（即矢量积，叉乘）

e = np.mat([[3,3,3],[4,4,4]])
f = np.mat([[5],[5],[5]])
print(np.dot(e,f))

结果：

matrix([[45],
       [60]])

numpy.multiply()

无论传入的参数类型是数组、矩阵、list，结果都为它们的数量积，点乘（即矩阵对应元素相乘）。 注意：当维数不同时，具有有广播现象。

a = np.array([1,1,1])
b = np.array([2,2,2])
c = np.array([[3,3,3],[4,4,4]])
print(np.multiply(a,b))
print(np.multiply(b,c))

结果：

array([2, 2, 2])
array([[6, 6, 6],
      [8, 8, 8]])

numpy.matmul

numpy.matmul本质上是返回两个矩阵的矩阵乘积。
即如果两个都是二维数组，或矩阵，结果就是直接的矩阵积。

import numpy.matlib 
import numpy as np 
 
a = [[1,0],[0,1]] 
b = [[4,1],[2,2]] 
print (np.matmul(a,b))

[[4  1] 
 [2  2]]

果任一参数的维数大于2，则将其视为存在于最后两个索引的矩阵的栈(即把最后两维当成单个矩阵，前面当成它的索引)，并进行相应广播。

import numpy.matlib 
import numpy as np 
 
a = np.arange(8).reshape(2,2,2) 
b = np.arange(4).reshape(2,2) 
print (np.matmul(a,b))

[[[ 2  3]
  [ 6 11]]

 [[10 19]
  [14 27]]]

关于这里广播操作，举个例子， 如果任一参数是一维数组，则通过在其维度上附加 1 来将其提升为矩阵，并在乘法之后被去除。

import numpy.matlib 
import numpy as np 
 
a = [[1,0],[0,1]] 
b = [1,2] 
print (np.matmul(a,b))
print (np.matmul(b,a))


[1  2] 
[1  2]