Question

当我乘以两个numpy大小的数组（n x n）*（n x 1）时，我得到一个大小为（n x n）的矩阵。遵循正常的矩阵乘法规则，期望一个（n x 1）向量，但我根本找不到有关如何在Python的Numpy模块中完成此操作的任何信息。

问题是我不想手动实现它以保持程序的速度。

示例代码如下所示：

a = np.array([[ 5, 1 ,3], [ 1, 1 ,1], [ 1, 2 ,1]])
b = np.array([1, 2, 3])

print a*b
   >>
   [[5 2 9]
   [1 2 3]
   [1 4 3]]

我想要的是：

print a*b
   >>
   [16 6 8]

Answer 1

最简单的解决方案

使用numpy.dot或a.dot(b)。请参阅文档here。

>>> a = np.array([[ 5, 1 ,3], 
                  [ 1, 1 ,1], 
                  [ 1, 2 ,1]])
>>> b = np.array([1, 2, 3])
>>> print a.dot(b)
array([16, 6, 8])

这是因为numpy数组不是矩阵，标准操作*, +, -, /在数组上以元素方式工作。相反，您可以尝试使用numpy.matrix，*将被视为矩阵乘法。

其他解决方案

还知道还有其他选择：

如下所述，如果使用python3.5 +，@运算符可以按预期运行：
```
>>> print(a @ b)
array([16, 6, 8])
```
如果您想要矫枉过正，可以使用numpy.einsum。该文档将为您提供一个如何工作的风格，但老实说，我还没有完全理解如何使用它，直到阅读this answer并且只是自己玩它。
```
>>> np.einsum('ji,i->j', a, b)
array([16, 6, 8])
```
截至2016年中期（numpy 1.10.1），您可以尝试实验numpy.matmul，其工作方式与numpy.dot类似，但有两个主要的例外：无标量乘法，但它适用于堆栈矩阵。
```
>>> np.matmul(a, b)
array([16, 6, 8])
```

numpy.inner的功能与numpy.dot 相同，用于矩阵向量乘法，但行为方式不同用于矩阵 - 矩阵和张量乘法（请参阅维基百科关于一般来说the inner product and dot product或关于numpy实施的see this SO answer。

>>> np.inner(a, b)
array([16, 6, 8])

# Beware using for matrix-matrix multiplication though!
>>> b = a.T
>>> np.dot(a, b)
array([[35,  9, 10],
       [ 9,  3,  4],
       [10,  4,  6]])
>>> np.inner(a, b) 
array([[29, 12, 19],
       [ 7,  4,  5],
       [ 8,  5,  6]])

边缘情况的Rarer选项

如果您有张量（维数大于或等于1的数组），则可以将numpy.tensordot与可选参数axes=1一起使用：
```
>>> np.tensordot(a, b, axes=1)
array([16,  6,  8])
```
如果您有一个复数矩阵，请不要使用numpy.vdot ，因为矩阵将被展平为一维数组，然后它会尝试找到复数您的展平矩阵和矢量之间的共轭点积（由于尺寸不匹配n*m与n会失败）。

numpy矩阵向量乘法

1 个答案:

最简单的解决方案

其他解决方案

边缘情况的Rarer选项