[英]Numpy: 1D array with various shape
我嘗試了解如何使用NumPy
處理一1D
數組(線性代數中的向量)。
在下面的示例中,我生成了兩個numpy.array
a
和b
:
>>> import numpy as np
>>> a = np.array([1,2,3])
>>> b = np.array([[1],[2],[3]]).reshape(1,3)
>>> a.shape
(3,)
>>> b.shape
(1, 3)
對我來說,根據線性代數定義, a
和b
具有相同的形狀:1行3列,但不適用於NumPy
。
現在, NumPy
dot
產品:
>>> np.dot(a,a)
14
>>> np.dot(b,a)
array([14])
>>> np.dot(b,b)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: objects are not aligned
我有三種不同的輸出。
dot(a,a)
和dot(b,a)
之間有什么區別? 為什么dot (b,b)
不起作用?
我對這些點產品也有一些不同之處:
>>> c = np.ones(9).reshape(3,3)
>>> np.dot(a,c)
array([ 6., 6., 6.])
>>> np.dot(b,c)
array([[ 6., 6., 6.]])
請注意,您不僅使用1D數組:
In [6]: a.ndim
Out[6]: 1
In [7]: b.ndim
Out[7]: 2
所以, b
是一個2D數組。 您還可以在b.shape
的輸出中看到這b.shape
:(1,3)表示兩個維度為(3,)是一個維度。
對於1D和2D數組(來自文檔 ), np.dot
的行為是不同的:
對於二維陣列,它相當於矩陣乘法,而對於一維陣列則相當於向量的內積
這就是你得到不同結果的原因,因為你正在混合1D和2D數組。 由於b
是2D數組, np.dot(b, b)
在兩個1x3矩陣上嘗試矩陣乘法,這會失敗。
對於1D數組,np.dot執行向量的內積:
In [44]: a = np.array([1,2,3])
In [45]: b = np.array([1,2,3])
In [46]: np.dot(a, b)
Out[46]: 14
In [47]: np.inner(a, b)
Out[47]: 14
對於2D陣列,它是矩陣乘法(因此1x3 x 3x1 = 1x1,或3x1 x 1x3 = 3x3):
In [49]: a = a.reshape(1,3)
In [50]: b = b.reshape(3,1)
In [51]: a
Out[51]: array([[1, 2, 3]])
In [52]: b
Out[52]:
array([[1],
[2],
[3]])
In [53]: np.dot(a,b)
Out[53]: array([[14]])
In [54]: np.dot(b,a)
Out[54]:
array([[1, 2, 3],
[2, 4, 6],
[3, 6, 9]])
In [55]: np.dot(a,a)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-55-32e36f9db916> in <module>()
----> 1 np.dot(a,a)
ValueError: objects are not aligned
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.