Python numpy ma.inner用法及代码示例

本文简要介绍 python 语言中 numpy.ma.inner 的用法。

用法:

ma.inner(a, b, /)

两个数组的内积。

一维数组(没有复共轭)的向量的普通内积，在更高维度上是最后一个轴的和积。

参数：

a, b： array_like

如果 a 和 b 是非标量，它们的最后一个维度必须匹配。

返回：

out： ndarray

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。out.shape = (*a.shape[:-1], *b.shape[:-1])

抛出：

ValueError

如果 a 和 b 都是非标量并且它们的最后一个维度具有不同的大小。

注意：

掩码值被 0 替换。

对于向量(一维数组)，它计算普通的inner-product：

np.inner(a, b) = sum(a[:]*b[:])

更一般地说，如果ndim(a) = r > 0和ndim(b) = s > 0：

np.inner(a, b) = np.tensordot(a, b, axes=(-1,-1))

或明确：

np.inner(a, b)[i0,...,ir-2,j0,...,js-2]
     = sum(a[i0,...,ir-2,:]*b[j0,...,js-2,:])

此外 a 或 b 可以是标量，在这种情况下：

np.inner(a,b) = a*b

例子：

向量的普通内积：

>>> a = np.array([1,2,3])
>>> b = np.array([0,1,0])
>>> np.inner(a, b)
2

一些多维示例：

>>> a = np.arange(24).reshape((2,3,4))
>>> b = np.arange(4)
>>> c = np.inner(a, b)
>>> c.shape
(2, 3)
>>> c
array([[ 14,  38,  62],
       [ 86, 110, 134]])

>>> a = np.arange(2).reshape((1,1,2))
>>> b = np.arange(6).reshape((3,2))
>>> c = np.inner(a, b)
>>> c.shape
(1, 1, 3)
>>> c
array([[[1, 3, 5]]])

b 是标量的示例：

>>> np.inner(np.eye(2), 7)
array([[7., 0.],
       [0., 7.]])