Python的NumPy库中dot()函数详解
本人在学习Python数据分析时的线性代数运算章节中,遇到矩阵乘法的dot函数的用法一时难于理解,后来,经查阅其他博主的相关资料,总结详解如下
1、NumPy库中dot()函数语法定义:
import numpy as np np.dot(a, b, out=None) #该函数的作用是获取两个元素a,b的乘积.
2、前面讲过数组的运算是元素级的,数组相乘的结果是各对应元素的积组成的数组,而对于矩阵而言,需要求的是点积,这里NumPy库提供了用于矩阵乘法的dot函数。在jupyter notebook中执行的代码运算如下:

3、这样的多维数组矩阵运算,通过Python代码来实现倒是挺方便的,但是,通过我们人眼看起来,对于刚入门的朋友来说,可能会很吃力,或者不清楚该结果是怎么实现的,接下来,我给大家一一介绍一下运算过程。
4、如下单个数的dot函数运算所示:
np.dot(5,8) 40
5、如下一维数组的dot函数运算所示:

#如果arr1和arr都是一维数组,那么它返回的就是向量的内积。 arr1 = np.array([2,3]) arr1 array([2, 3]) arr2 = np.array([4,5]) arr2 array([4, 5]) np.dot(arr1,arr2) 23 arr3 = np.array([2,3,4]) arr3 array([2, 3, 4]) arr4 = np.array([5,6,7]) arr4 array([5, 6, 7]) np.dot(arr3,arr4) 56
利用表格计算法来解释上面的一维数组乘积的结果计算过程如下表1,表2,所示:
表 1 表 2
通过上表中的计算过程显示,是不是很快就能清楚,矩阵之间的运算。从而快速了解运算结果的由来。
6、如下二维数组的dot函数运算所示:
二维数组矩阵之间的dot函数运算得到的乘积是矩阵乘积

利用表格计算法来解释上面的,二维数组乘积的结果计算过程如下表3,所示:
表 3
7、如下二维数组与三维数组的dot函数运算:

利用表格计算法来解释上面的,二维数组与三维数组的矩阵乘积的结果计算过程如下表4,所示:
表 4
8、如下多维数组的dot函数运算所示:

利用表格计算法来解释上面的,多维数组的矩阵乘积的结果计算过程如下表5,表6,表7所示:
表 5 表 6
表 7
9、dot()函数可以通过NumPy库调用,也可以由数组实例对象进行调用。例如:a.dot(b) 与 np.dot(a,b)效果相同。但矩阵积计算不遵循交换律,np.dot(a,b) 和 np.dot(b,a) 得到的结果是不一样的。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步