numpy中不同形状的高效矩阵乘法答案

【问题标题】：Efficient multiplying matrices with different shapes in numpynumpy中不同形状的高效矩阵乘法
【发布时间】：2018-08-10 12:04:32
【问题描述】：

我有两个矩阵 A 和 B：

>>>A
[[1,1,1]
[1,1,1]]
>>>B
[2, 3]

我想有效地将它们相乘以获得这样的结果：

>>> A*B
[[2,2,2]
[3,3,3]]

我正在寻找比循环迭代更有效的解决方案。有人可以帮忙吗？

【问题讨论】：

如果B 是[2, 3] 怎么办？
那么输出就是：[[2,2,2] [3,3,3]]
那么B = [2, 3, 4] 或B = [2, 3, 4, 5] 怎么样？
两个矩阵的行数必须相等。矩阵 A 每一列的所有值都乘以矩阵 B 同一行的值。

标签： python arrays python-3.x numpy

【解决方案1】：

您可以使用np.multiply 将元素与广播相乘：

A = np.array([[1,1,1],
              [1,1,1]])

B = np.array([2, 3])

res = np.multiply(A, B[:, None])

print(res)

array([[2, 2, 2],
       [3, 3, 3]])

【讨论】：

这正是我要找的！元素乘法:) 谢谢！

【解决方案2】：

最简单的方法就是(A*B.T).T 但是习惯广播可能会更好：

A * B[:, None]

这在功能上与@jpp 对np.multiply 的回答相同，但写起来要短一些

【讨论】：

【解决方案3】：

让：

>>> A = np.array([[1,1,1], #Shape = (2,3)
          [1,1,1]])
>>> A
Out[3]: 
    array([[1, 1, 1],
          [1, 1, 1]])
>>>B = np.array([2, 3])  # shape = (2,)

两者都有不同的形状，所以我们不能做矩阵乘法（逐元素）所以我们可以做A.T，它将A的形状转换为(3,2)

>>> (A.T * B).T
Out[7]: 
       array([[2, 2, 2],
              [3, 3, 3]])

【讨论】：

【解决方案4】：

您的问题违反了数学规则。矩阵 A 和 B 不能相乘，因为 A 的列数不等于 B 的行数。在这种情况下，这两个矩阵的乘法没有定义

【讨论】：

我认为他所说的“乘法”实际上是指doing something to the matrices，但他没有正确表述，所以不知道在某些情况下会发生什么。
好吧，我猜

【解决方案5】：

将 5x3 矩阵乘以 3x2 矩阵（实数矩阵乘积）

import numpy as np


np_1= np.arange(15).reshape(5,3)


np_2=np.arange(6).reshape(3,2)

np.matmul(np_1,np_2)

【讨论】：