[转]python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别
转自https://blog.csdn.net/zenghaitao0128/article/details/78715140
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]])
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】
|
|
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]]) |
