python中np.multiply()、np.dot()、"*"、np.matmul()的区别与联系

numpy中np.multiply()、np.dot()、" * "、np.matmul()的区别与联系

类别	np.multiply	np.dot()	" * "	np.matmul()
数组	对应位置相乘， 输出与原数组大小一致	秩为1(内积运算)， 执行对应位置相乘， 然后再相加； 秩不为1的， 执行矩阵乘法运算；	对应位置相乘	矩阵乘法运算 做内积
矩阵	对应位置相乘， 输出与原矩阵大小一致	执行矩阵乘法运算	矩阵乘法运算	矩阵乘法运算
数组运算	a = array([[1, 2], [3, 4]]) b = array([[0, 1], [2, 3]]) np.multiply(a,b)	秩不为1 a = array([[1, 2], [3, 4]]) b = array([[0, 1], [2, 3]]) np.dot(a,b) ； 秩为1, c = array([1, 2, 3]) d = array([0, 1, 2]) np.dot(c,d) #对应位置相乘，再求和	a= array([[1,2],[3, 4]]) b= array([[0, 1], [2, 3]]) a*b	a = array([[1, 2], [3, 4]]) b = array([[0, 1], [2, 3]]) np.matmul(a,b)
输出	array([[ 0, 2], [ 6, 12]])	array([[ 4, 7], [ 8, 15]]) ； 8	array([[ 0, 2], [ 6, 12]])	array([[ 4, 7], [ 8, 15]])
矩阵运算	np.multiply(np.mat(a) ,np.mat(b))	np.dot(np.mat(a),np.mat(b)) #执行矩阵乘法	(np.mat(a))*(np.mat(b))	np.matmul (np.mat(a),np.mat(b))
输出	matrix([[ 0, 2], [ 6, 12]])	matrix([[ 4, 7]， [ 8, 15]])	matrix([[ 4, 7], [ 8, 15]])	matrix([[ 4, 7], [ 8, 15]])

特别提示：

np.dot:
数组中如果a或者b中有一个是标量，则np.dot等同于np.multiply()或者" * "
如果a是N-D数组，b是1-D数组，答案是，a和b最后一个轴的乘积
例：

# 2-D array: 2 x 3
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1,2,3])
result_ab =  np.dot(a,b)
print('result_ab:\n %s' %(result_ab))

结果：

result_ab:
 [14 32]