numpy中一维数组的乘法

Question

我有两个一维向量（在某些情况下它们也可以是二维矩阵）。 我找到了点积的点函数，但如果我想将 a.dot(b) 与这些形状相乘：

a = [1,0.2,...]
a.shape = (10,)
b = [2.3,4,...]
b.shape = (21,)
a.dot(b) and I get ValueError: matrices not aligned.

我想做

c = a.dot(b)
c.shape = (10,21)

任何想法如何做到这一点？ 我也试过转置功能，但它不起作用。

Answer 1

让我们从两个数组开始：

>>> a
array([0, 1, 2, 3, 4])
>>> b
array([5, 6, 7])

转置任何一个数组都不起作用，因为它只是一维的 - 没有什么可以转置，而是需要添加一个新轴：

>>> b.T
array([5, 6, 7])
>>> b[:,None]
array([[5],
       [6],
       [7]])

要使点积如图所示工作，您必须做一些令人费解的事情：

>>> np.dot(a[:,None],b[None,:])
array([[ 0,  0,  0],
       [ 5,  6,  7],
       [10, 12, 14],
       [15, 18, 21],
       [20, 24, 28]])

您可以依靠广播而不是dot ：

a[:,None]*b

或者您可以简单地使用外部：

np.outer(a,b)

所有三个选项都返回相同的结果。

您可能还对这样的事情感兴趣，以便每个向量始终是一个二维数组：

np.dot(np.atleast_2d(a).T, np.atleast_2d(b))

Answer 2

更简单的方法是像这样定义数组：

 >>>b = numpy.array([[1,2,3]]) 

然后你可以轻松地转置你的数组：

 >>>b.T
 array([[1],
        [2],
        [3]])

你也可以做乘法：

 >>>b@b.T
 [[1 2 3]
 [2 4 6]
 [3 6 9]]

另一种方法是像这样强制重塑你的向量：

>>> b = numpy.array([1,2,3])
>>> b.reshape(1,3).T
array([[1],
       [2],
       [3]])