numpy 中dot()函数的计算方式有哪些

这篇文章主要介绍了numpy 中dot()函数的计算方式有哪些，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

如下所示：

a = np.arange(1, 5).reshape(2, 2)
b = np.arange(2, 6).reshape(2, 2)
c = a * b
dot = np.dot(a, b)
print(a)
print(b)
print(c)
print(dot)

打印出a

[[1 2]

[3 4]]

打印出b

[[2 3]

[4 5]]

a * b 每个相对位置的数值相乘1*2=2,2*3=6,3*4=12,4*5=20.比较简单,自己脑补一下

[[ 2 6]

[12 20]]

a.dot(b)也可以下成下面的那种形式,看你喜欢了.关键是算法

np.dot(a,b)

[[10 13]

[22 29]]

10=1*2+2*4 a[1][1]*b[1][1]+a[1][2]*b[2][1]

13=1*3+2*5

22=3*2+4*4

29=3*3+4*5 a[2][1]*b[1][2]+a[2][2]*b[2][2]

就这样了，规律自己找~

补充：Numpy矩阵乘积函数（dot）运算规则解析

np.dot(A, B)

A为二维m*n的举证，B必须为n*l的矩阵，l两个矩阵的n必须一致，也就是说A有多少列，B就必须有多少行，否则无法运算。结果得到m*l的矩阵

m*l = np.dot(m*n,n*l),m n l指维度，得到m*l的矩阵

运算顺序如下图：

程序演示如下：

import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3, 2], [4, 3], [4, 3]]
print(np.dot(A, B))

结果：

[[23 17]

[56 41]]

如果A和B的形状交换会怎么样呢？

import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3, 2], [4, 3], [4, 3]]
print(np.dot(B, A))

结果是这样哟！不是说形状一定是变小哟

[[11 16 21]

[16 23 30]

[16 23 30]]

这是A和B的形状不一样：

import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3], [4], [4]]
print(np.dot(A, B))

结果如下：

[[23]

[56]]

感谢你能够认真阅读完这篇文章，希望小编分享的“numpy 中dot()函数的计算方式有哪些”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!