numpy的矩阵向量乘法 [英] numpy matrix vector multiplication

问题描述

当我乘到numpy的同大小的数组为（N×N）*（N×1）我得到大小为（N×N）的矩阵。继普通矩阵乘法一个（N×1）向量的预期，但我根本无法找到有关如何在Python的numpy的模块完成的任何信息。

的事情是，我不想手动执行它preserve程序的速度。

举例code如下：

  A = np.array（[5，1,3]，[1，1,1]，[1，2，1]）
B = np.array（[1，2，3]）打印* B
   ＆GT;＆GT;
   [5 2 9]
   [1 2 3]
   [1 4 3]
 

我要的是：

 打印A * B
   ＆GT;＆GT;
   [16 6 8]
 

解决方案

使用 numpy.dot 或 a.dot（B）。这里查看文档的。

这是因为numpy的数组不是矩阵，标准作业 *，+， - ，/ 工作逐元素的数组。相反，你可以尝试使用<一个href=\"http://docs.scipy.org/doc/numpy/reference/generated/numpy.matrix.html\"><$c$c>numpy.matrix,和 * 将像矩阵乘法处理。

When I multiply to numpy arrays with the sizes (n x n)*(n x 1) I get a matrix of size (n x n). Following normal matrix multiplication a (n x 1) vector is expected, but I simply cannot find any information about how this is done in Python's Numpy module.

The thing is that I don't want to implement it manually to preserve the speed of the program.

Example code is shown below:

a = np.array([[ 5, 1 ,3], [ 1, 1 ,1], [ 1, 2 ,1]])
b = np.array([1, 2, 3])

print a*b
   >>
   [[5 2 9]
   [1 2 3]
   [1 4 3]]

What i want is:

print a*b
   >>
   [16 6 8]

解决方案

Use numpy.dot or a.dot(b). See the documentation here.

This occurs because numpy arrays are not matrices, and the standard operations *, +, -, / work element-wise on arrays. Instead, you could try using numpy.matrix, and * will be treated like matrix multiplication.

这篇关于numpy的矩阵向量乘法的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！