numpy数组与矩阵乘法
1 np.multiply()函数
功能：数组或矩阵的对应位置元素相乘。
-
数组
定义二维数组 A、B
>>> A = np.array([[0,1],[2,3]])
>>> A
>>> array([[0, 1],
[2, 3]])
>>> B = np.array([[1,2],[3,4]])
>>> B
>>> array([[1, 2],
[3, 4]])
使用 np.multiply() 运算
>>> np.multiply(A, B) # 数组对应位置元素相乘
>>> array([[0, 2],
[6, 12]])-
矩阵
定义矩阵 A、B
>>> A = np.mat([[0,1],[2,3]])
>>> A
>>> matrix([[0, 1],
[2, 3]])
>>> B = np.mat([[1,2],[3,4]])
>>> B
>>> matrix([[1, 2],
[3, 4]])
使用 np.multiply() 运算
>>> np.multiply(A, B) # 矩阵对应位置元素相乘
>>> matrix([[0, 2],
[6, 12]])2 np.dot() 函数
功能：矩阵乘法运算
对于一维数组，执行对应位置相乘，然后再求和；
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）
-
一维数组
定义一维数组 A、B
>>> A = np.array([0, 1, 2, 3])
>>> A
>>> array([0, 1,2, 3])
>>> B = np.array([1, 2, 3, 4])
>>> B
>>> array([1, 2, 3, 4])
使用 np.dot() 运算
>>> np.dot(A, B) # 数组对应位置元素相乘再求和
>>> 20-
二维数组
定义二维数组 A、B
>>> A = np.array([[0,1],[2,3]])
>>> A
>>> array([[0, 1],
[2, 3]])
>>> B = np.array([[1,2],[3,4]])
>>> B
>>> array([[1, 2],
[3, 4]])
使用 np.dot() 运算
>>> np.dot(A, B) # 执行矩阵乘法运算
>>> array([[3, 4],
[11, 16]])-
矩阵
定义矩阵 A、B
>>> A = np.mat([[0,1],[2,3]])
>>> A
>>> matrix([[0, 1],
[2, 3]])
>>> B = np.mat([[1,2],[3,4]])
>>> B
>>> matrix([[1, 2],
[3, 4]])
使用 np.dot() 运算
>>> np.dot(A, B) # 执行矩阵乘法运算
>>> matrix([[3, 4],
[11, 16]])3 * 运算符
功能：对数组执行对应位置元素相乘（相当于 np.multiply() 函数），对矩阵执行矩阵乘法运算（相当于 np.dot() 函数）
4 ** 运算符
功能：幂运算，故仍会转化为 * 运算符进行计算。
定义二维数组 A，矩阵 B
>>> A = np.array([[0, 1], [2, 3]])
>>> A
>>> array([[0, 1],
[2, 3]])
>>> B = np.mat([[0, 1], [2, 3]])
>>> B
>>> matrix([[0, 1],
[2, 3]])
使用 ** 运算
>>> A**2 # 数组对应位置元素相乘
>>> array([[0, 1],
[4, 9]])
>>> B**2 # 矩阵乘法运算
>>> matrix([[2, 3],
[6, 11]])
参考文章
[1] python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别
[2] 论numpy中matrix 和 array的区别