Numpy矩阵乘法广播

时间:2014-11-10 17:55:08

标签: python arrays numpy matrix

我有一个由N个3x3数组组成的数组(矩阵集合,虽然数据类型是np.ndarray),我有一个由N个3x1数组(向量集合)组成的数组。我想要做的是将每个矩阵乘以每个向量,所以我希望得到N个3x1数组。

简单示例:

A = np.ones((6,3,3))
B = np.ones((6,3,1))
np.dot(A,B) # This gives me a 6x3x6x1 array, which is not what I want
np.array(map(np.dot,A,B)) # This gives me exactly what I want, but I don't want to have to rely on map

我已经厌倦了各种重塑,探索过einsum等等,但却无法以我想要的方式工作。如何使用numpy广播?此操作最终需要完成数千次,并且我不希望map或列表理解操作减慢速度。

3 个答案:

答案 0 :(得分:2)

您可以使用np.einsum计算点积并创建所需形状的矩阵:

np.einsum('ijk,ikl->ijl', A, B)

答案 1 :(得分:0)

A = np.random.rand(6, 3, 3)
B = np.random.rand(6, 3, 1)
C = np.array(map(np.dot, A, B))
D = np.sum(A*B.swapaxes(1, 2), axis=2)[..., None]
assert np.allclose(C, D)
assert C.shape == D.shape == (6, 3, 1)

“allclose”是因为两种方法之间存在一些浮点差异,大约为1e-16。

.swapaxis和[...,None]只是为了让数组符合你指定的形状。您还可以通过以下方式更简单地表示:

A = np.random.rand(6, 3, 3)
B = np.random.rand(6, 3)
C = np.array(map(np.dot, A, B))
D = np.sum(A*B[:, None, :], axis=2)
assert np.allclose(C, D)
assert C.shape == D.shape == (6, 3)

答案 2 :(得分:0)

一个人可以使用Python 3.5或更高版本中的内置矩阵乘法, 在PEP 465中引入。

$ python --version
Python 3.6.6

>>> import numpy as np
>>> A = np.ones((6,3,3))
>>> B = np.ones((6,3,1))
>>> C = A @ B
>>> print(C)
[[[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]

 [[3.]
  [3.]
  [3.]]]