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

  • Post author:
  • Post category:python


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

A = np.arange(1,5).reshape(2,2)
A
array([[1, 2],
       [3, 4]])
B = np.arange(0,4).reshape(2,2)
B
array([[0, 1],
       [2, 3]])
np.multiply(A,B)       #数组对应元素位置相乘
array([[ 0,  2],
       [ 6, 12]])

1.2 矩阵场景

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
matrix([[ 0,  2],
        [ 6, 12]])
np.sum(np.multiply(np.mat(A),np.mat(B)))    #输出为标量
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

A = np.arange(1,5).reshape(2,2)
A
array([[1, 2],
       [3, 4]])
B = np.arange(0,4).reshape(2,2)
B
array([[0, 1],
       [2, 3]])
np.dot(A,B)    #对数组执行矩阵相乘运算
array([[ 4,  7],
       [ 8, 15]])

2.1.2 数组秩为1的场景

C = np.arange(1,4)
C
array([1, 2, 3])
D = np.arange(0,3)
D
array([0, 1, 2])
np.dot(C,D)   #对应位置相乘,再求和
8

2.2 矩阵场景

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

A = np.arange(1,5).reshape(2,2)
A
array([[1, 2],
       [3, 4]])
B = np.arange(0,4).reshape(2,2)
B
array([[0, 1],
       [2, 3]])
A*B  #对应位置点乘
array([[ 0,  2],
       [ 6, 12]])

3.2矩阵场景

(np.mat(A))*(np.mat(B))  #执行矩阵运算
matrix([[ 4,  7],
        [ 8, 15]])



版权声明:本文为zenghaitao0128原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。