python中np.multiply()、np.dot()和星号(*)三种乘法运算的区别(转)

为了区分三种乘法运算的规则,具体分析如下:

import numpy as np

1. np.multiply()函数

函数作用

数组和矩阵对应位置相乘,输出与相乘数组/矩阵的大小一致

1.1数组场景

【code】

A = np.arange(1,5).reshape(2,2)
A

【result】

array([[1, 2],
       [3, 4]])

  

【code】

B = np.arange(0,4).reshape(2,2)
B

【result】

array([[0, 1],
       [2, 3]])

 

【code】

np.multiply(A,B)       #数组对应元素位置相乘

【result】

array([[ 0,  2],
       [ 6, 12]])

 

1.2 矩阵场景

【code】

np.multiply(np.mat(A),np.mat(B))     #矩阵对应元素位置相乘,利用np.mat()将数组转换为矩阵

【result】

matrix([[ 0,  2],
        [ 6, 12]])

 

【code】

np.sum(np.multiply(np.mat(A),np.mat(B)))    #输出为标量

【result】

20

  

2. np.dot()函数

函数作用

对于秩为1的数组,执行对应位置相乘,然后再相加;

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。

 

2.1 数组场景

2.1.1 数组秩不为1的场景

【code】

A = np.arange(1,5).reshape(2,2)
A

【result】

array([[1, 2],
       [3, 4]])

 

【code】

B = np.arange(0,4).reshape(2,2)
B

【result】

array([[0, 1],
       [2, 3]])

  

【code】

np.dot(A,B)    #对数组执行矩阵相乘运算

【result】

array([[ 4,  7],
       [ 8, 15]])

  

2.1.2 数组秩为1的场景

【code】

C = np.arange(1,4)
C

【result】

array([1, 2, 3])

 

【code】

D = np.arange(0,3)
D

【result】

array([0, 1, 2])

  

【code】

np.dot(C,D)   #对应位置相乘,再求和

【result】

8

  

2.2 矩阵场景

【code】

np.dot(np.mat(A),np.mat(B))   #执行矩阵乘法运算

【result】

matrix([[ 4,  7],
        [ 8, 15]])

  

 

3. 星号(*)乘法运算

作用

对数组执行对应位置相乘

对矩阵执行矩阵乘法运算

3.1 数组场景

【code】

A = np.arange(1,5).reshape(2,2)
A

【result】

array([[1, 2],
       [3, 4]])

 

【code】

B = np.arange(0,4).reshape(2,2)
B

【result】

array([[0, 1],
       [2, 3]])

 

【code】

A*B  #对应位置点乘

【result】

array([[ 0,  2],
       [ 6, 12]])

  



3.2矩阵场景

【code】

(np.mat(A))*(np.mat(B))  #执行矩阵运算

【result】

matrix([[ 4,  7],
        [ 8, 15]])

------------------------------------------------

转载自:https://blog.csdn.net/zenghaitao0128/article/details/78715140

posted @ 2018-03-26 10:26  AI菌  阅读(21659)  评论(0编辑  收藏  举报