Python numpy dot用法及代码示例

本文简要介绍 python 语言中 numpy.dot 的用法。

用法:

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

两个数组的点积。具体来说，

• 如果 a 和 b 都是一维数组，则它是向量的内积(没有复共轭)。

• 如果两者都a和b是二维数组，它是矩阵乘法，但是使用numpy.matmul或者a @ b是优选的。

• 如果其中之一a或者b是 0-D(标量)，它相当于numpy.multiply并使用numpy.multiply(a, b)或者a * b是优选的。

• 如果 a 是 N-D 数组且 b 是一维数组，则它是 a 和 b 的最后一个轴上的和积。

• 如果a是一个 N-D 数组并且b是一个 M-D 数组(其中M>=2)，它是最后一个轴上的和积a和倒数第二个轴b：

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

参数：

a： array_like

第一个论点。

b： array_like

第二个论点。

out： ndarray，可选

输出参数。这必须具有在未使用时将返回的确切类型。特别是，它必须具有正确的类型，必须是C-contiguous，并且它的 dtype 必须是要返回的 dtype点(a,b).这是一个性能特征。因此，如果不满足这些条件，则会引发异常，而不是尝试灵活处理。

返回：

output： ndarray

返回的点积a和b.如果a和b都是标量或都是一维数组，则返回标量；否则返回一个数组。如果out给出，然后返回。

抛出：

ValueError

如果 a 的最后一个维度与 b 的倒数第二个维度的大小不同。

例子：

>>> np.dot(3, 4)
12

两个参数都不是complex-conjugated：

>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)

对于二维数组，它是矩阵乘积：

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128