Question

我尝试将2个矩阵x，y乘以形状（41）和（41,6）因为它应该将单个矩阵广播到多维中的每个箭头

我想这样做：

x*y

但我收到此错误

ValueError: operands could not be broadcast together with shapes (41,6) (41,)

我有什么想念的吗？

Answer 1

广播涉及两个步骤

为所有数组提供相同数量的维度
展开1尺寸以匹配其他数组

使用您的输入

(41,6) (41,)

一个是2d，另一个是1d;广播可以将1d更改为(1, 41)，但不会自动向另一个方向展开(41,1)。

(41,6) (1,41)

（41,41）或（6,41）都不匹配。

因此，您需要将y更改为(41,1)或将x更改为(6,41)

x.T*y
x*y[:,None]

当然，我假设您需要逐个元素乘法，而不是np.dot矩阵乘积。

Answer 2

不完全确定，你想要实现的目标。也许您可以举例说明您的输入和预期输出。一种可能性是：

import numpy as np

x = np.array([[1, 2], [1, 2], [1, 2]])
y = np.array([1, 2, 3])
res = x * np.transpose(np.array([y,]*2))

这会将x的每一列乘以y，因此上面示例的结果为：

array([[1, 2],
       [2, 4],
       [3, 6]])

Answer 3

你可以尝试一下，它会起作用！

(1)

Answer 4

取决于您的期望。一个简单的解决方案是：

y*x

那应该给你一个维度矩阵（1,6）。

Answer 5

如果您希望将维度（n）的X乘以维度（n，m）的Y，则可以考虑此post的答案

提示也可以在Wikipedia中找到：

在Python中使用numpy数值库或者sympy符号库，将数组对象乘以a1 * a2会产生Hadamard乘积，但除了矩阵对象之外，m1 * m2将产生矩阵乘积。

简单来说，将其切片到数组并执行x * y，或使用其他路径来满足要求。

Answer 6

默认情况下，ND数组（例如A）与一维1（B）的乘法是在最后一个轴上执行的，这意味着乘法A * B仅在

下有效

A.shape[-1] == len(B)

要在另一个轴上将A与B相乘而不是-1，一种解决方法是在相乘前后交换A的轴：

要在轴“ axis”上乘以A和B，请使用

C = (A.swapaxes(axis, -1) * B).swapaxes(axis, -1)

示例

A = np.arange(2 * 3 * 4).reshape((2, 3, 4))
B = np.array([0., 1., 2.])

print(A, B)

array([[[ 0.,  0.,  0.,  0.],
        [ 4.,  5.,  6.,  7.],
        [16., 18., 20., 22.]],

       [[ 0.,  0.,  0.,  0.],
        [16., 17., 18., 19.],
        [40., 42., 44., 46.]]])

C = A * B

ValueError: operands could not be broadcast together with shapes (2,3,4) (3,) 

C = (A.swapaxes(1, -1) * B).swapaxes(1, -1)

array([[[ 0.,  0.,  0.,  0.],
        [ 4.,  5.,  6.,  7.],
        [16., 18., 20., 22.]],

       [[ 0.,  0.,  0.,  0.],
        [16., 17., 18., 19.],
        [40., 42., 44., 46.]]])

请注意，A的第一个原始数已乘以0 最后的原始数乘以2

如何将2个不同维度的numpy数组相乘

6 个答案: