Question

在计算大型Numpy阵列时，我遇到了奇怪的结果。

A=np.matrix('1 2 3;3 4 7;8 9 6') 
A=([[1, 2, 3],
    [3, 4, 7],
    [8, 9, 6]])

A * A按预期完成点积：

A*A=([[ 31,  37,  35],
    [ 71,  85,  79],
    [ 83, 106, 123]])

但是使用更大的矩阵200X200我会得到不同的反应：

B=np.random.random_integers(0,10,(n,n))
B=array([[ 2,  0,  6, ...,  7,  3,  7],
   [ 4,  9,  1, ...,  6,  7,  5],
   [ 3,  1,  8, ...,  7,  3,  8],
   ..., 
   [ 8,  4, 10, ...,  5,  4,  4],
   [ 6,  6,  3, ...,  7,  2,  9],
   [ 2, 10, 10, ...,  5,  7,  4]])

现在将B乘以B

B*B
array([[  4,   0,  36, ...,  49,   9,  49],
   [ 16,  81,   1, ...,  36,  49,  25],
   [  9,   1,  64, ...,  49,   9,  64],
   ..., 
   [ 64,  16, 100, ...,  25,  16,  16],
   [ 36,  36,   9, ...,  49,   4,  81],
   [  4, 100, 100, ...,  25,  49,  16]])

我得到每个元素的平方和不矩阵*矩阵我做了什么不同的事情？

Answer 1

您似乎使用A类型创建了matrix，而B属于ndarray类型（np.random.random_integers返回数组，而不是矩阵）。运算符*对前者执行矩阵乘法，对后者执行逐元素乘法。

来自np.matrix的{{3}}：

矩阵是一种专门的二维阵列，通过操作保留其二维特性。它有一些特殊的运算符，如*（矩阵乘法）和**（矩阵幂）。

顺便说一句，如果你在同一个操作中使用两种不同的类型，NumPy将使用属于具有最高优先级的元素的运算符：

>>> A = np.matrix('1 2 3;3 4 7;8 9 6') 
>>> B = np.array(A) # B is of array type, A is of matrix type
>>> A * B
matrix([[ 31,  37,  35],
        [ 71,  85,  79],
        [ 83, 106, 123]])

>>> B * A
matrix([[ 31,  37,  35],
        [ 71,  85,  79],
        [ 83, 106, 123]])

>>> A.__array_priority__
10.0
>>> B.__array_priority__
0.0

Answer 2

您收到此结果，因为B类型为numpy.ndarray而不是numpy.matrix

>>> type(np.random.random_integers(0,10,(n,n)))
<type 'numpy.ndarray'>

改为使用

B=np.matrix(np.random.random_integers(0,10,(n,n)))

将大型numpy数组与其自身相乘时的奇怪结果

2 个答案: