NumPy numpy.dot()的使用

Python的numpy模块提供了一个函数来执行两个数组的点积。

• 如果数组’a’和’b’都是一维数组，dot()函数执行向量的内积（不进行复共轭）。
• 如果数组’a’和’b’都是二维数组，dot()函数执行矩阵乘法。但是对于矩阵乘法，推荐使用 matmul 或 ‘a’ @ ‘b’ 。
• 如果’a’或’b’为0维（标量），dot()函数执行乘法。此外，推荐使用 numpy.multiply(a, b) 或 a *b 方法。
• 如果’a’是一个N维数组，并且’b’是一个一维数组，则dot()函数执行a和b在最后一个轴上的乘积总和。
• 如果’a’是一个M维数组，并且’b’是一个N维数组（其中N>=2），则dot()函数执行’a’的最后一个轴和’b’的倒数第二个轴的乘积总和：

dot(a, b)[i,j,k,n] = sum(a[i,j,:] * b[k,:,n])

语法

numpy.dot(a, b, out=None)

参数

a: array_like

此参数定义第一个数组。

b: array_like

此参数定义第二个数组。

out: ndarray（可选）

它是一个输出参数。它应该具有与其未使用时返回的类型完全相同的类型。特别地，它应该满足性能特征，即它必须包含正确的类型，即它必须是C连续的，并且其dtype必须与点积（dot（a，b））返回的dtype相同。因此，如果它不满足这些指定的条件，它会引发异常。

返回值

此函数返回“a”和“b”的点积。如果“a”和“b”都是标量或一维的，则此函数返回一个标量；否则，返回一个数组。如果给出了“out”，则返回它。

异常

当“a”的最后一个维度与“b”的倒数第二个维度大小不同时，将引发 ValueError 异常。

示例1

import numpy as np
a=np.dot(6,12)
a

输出:

72

示例2

import numpy as np
a=np.dot([2j, 3j], [5j, 8j])
a

输出：

(-34+0j)

示例3

import numpy as np
a = [[1, 2], [4, 1]]
b = [[4, 11], [2, 3]]
c=np.dot(a, b)
c

输出:

array([[ 8, 17],
        [18, 47]])

在上述的代码中

• 我们使用别名np导入了numpy库。
• 我们创建了两个二维数组 ‘a’ 和 ‘b’。
• 我们声明了变量 ‘c’，并将np.dot()函数的返回值赋给了它。
  最后，我们尝试打印变量 ‘c’ 的值。

输出显示矩阵乘积为一个数组。

示例4

import numpy as np
x = np.arange(3*4*5*6).reshape((3,4,5,6))
y = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
p=np.dot(a, b)[2,3,2,1,2,2]
q=sum(a[2,3,2,:] * b[1,2,:,2])
p
q

输出：

499128
499128

在上面的代码中：

• 我们使用别名np导入了numpy。
• 我们使用np.arange()函数创建了两个数组’a’和’b’，并使用reshape()函数改变了这两个数组的形状。
• 我们声明了变量’c’，并将np.dot()函数的返回值赋给了它。
• 最后，我们尝试打印出’c’的值。

从输出来看，它将矩阵乘积显示为一个数组。