Question

我正在使用python3.5，我有疑问：为什么np.dot（）表现得像这样？

>> a = np.array([[1,2,3,4]])
>> b = np.array([123])
>> np.dot(a,b)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
ValueError: shapes (1,4) and (1,) not aligned: 4 (dim 1) != 1 (dim 0)
>>np.dot(b,a)
array([123, 246, 369, 492])

Answer 1

从help(np.dot)开始，我们了解到，np.dot(x,y)是 x 的最后一个轴的总和产品，而倒数第二个y

如果是np.dot(a, b)，a的最后一个轴是4，唯一的b轴的长度是1.它们不匹配：失败。

如果是np.dot(b, a)，b的最后一个轴是1，a的倒数第二个轴是1.它们匹配：成功。

变通方法

根据您对np.dot(a,b)的意图，您可能需要：

>>> np.dot(a, np.resize(b,a.shape[-1]))
array([1230])

Answer 2

来自numpy.dot(x, y)的{{3}}：

对于二维数组，它相当于矩阵乘法，对于一维数组到向量的内积...对于N维，它是x的最后一个轴上的和积，第二个是到y的最后一次：

所以，你有：

a = np.array([[1,2,3,4]])  # shape is (1, 4), 2-D array (matrix)
b = np.array([123])        # shape is (1,),   1-D array (vector)

np.dot(b, a)有效（(1,) * (1, 4)，相关尺寸同意）
np.dot(a, b)没有（(1, 4) * (1,)，相关尺寸不同意，操作未定义。请注意，倒数第二个＆＃39; (1,)的轴对应于其唯一的轴）

这与您有两个二维数组（即矩阵：

）的行为相同

a = np.array([[1,2,3,4]])  # shape is (1, 4)
b = np.array([[123]])      # shape is (1, 1)

np.dot(b, a)有效（(1, 1) * (1, 4)，内部矩阵维度一致）
np.dot(a, b)没有（(1, 4) * (1, 1)，内部矩阵维度不同意）

但是，如果你有两个1-D数组，即向量，则两个操作都不起作用：

a = np.array([1,2,3,4])   # shape is (4,)
b = np.array([123])       # shape is (1,)

np.dot(b, a)不起作用（(1,) * (4,)，但只能为相同长度的矢量定义内部产品）
np.dot(a, b)无效（(4,) * (1)，相同）

Numpy dotproduct奇怪的行为

2 个答案:

变通方法