Question

当我更新到最新版本的numpy时，我的很多代码都中断了，因为现在每次我在矩阵和数组上调用np.dot()时，它都会返回一个1xn矩阵，而不是简单的数组。当我尝试将新的向量/数组乘以矩阵时，这会导致我出错

示例

A = np.matrix( [ [4, 1, 0, 0], [1, 5, 1, 0], [0, 1, 6, 1], [1, 0, 1, 4] ] )

x = np.array([0, 0, 0, 0])
print(x)

x1 = np.dot(A, x)
print(x1)

x2 = np.dot(A, x1)
print(x2)

output:
[0 0 0 0]
[[0 0 0 0]]
Traceback (most recent call last):
  File "review.py", line 13, in <module>
    x2 = np.dot(A, x1)
ValueError: shapes (4,4) and (1,4) not aligned: 4 (dim 1) != 1 (dim 0)

我希望矩阵和向量的点都将返回向量，或者矩阵和1xn矩阵的点将按预期工作。

使用x的转置无法解决此问题，也不能使用A @ x或A.dot(x)或np.matmul(A, x)的任何变体形式

Answer 1

您的数组：

In [24]: A = np.matrix( [ [4, 1, 0, 0], [1, 5, 1, 0], [0, 1, 6, 1], [1, 0, 1, 4] ] )   
    ...: x = np.array([0, 0, 0, 0])                                                                      
In [25]: A.shape                                                                                         
Out[25]: (4, 4)
In [26]: x.shape                                                                                         
Out[26]: (4,)

圆点：

In [27]: np.dot(A,x)                                                                                     
Out[27]: matrix([[0, 0, 0, 0]])     # (1,4) shape

我们尝试相同的方法，但是使用ndarray的{{1}}版本：

结果是（4，）形状。那是有道理的：（4,4）点（4，）=>（4，）

In [30]: A.A Out[30]: array([[4, 1, 0, 0], [1, 5, 1, 0], [0, 1, 6, 1], [1, 0, 1, 4]]) In [31]: np.dot(A.A, x) Out[31]: array([0, 0, 0, 0])进行相同的计算，但返回np.dot(A,x)。根据定义，它是一个2d数组，因此（4，）扩展为（1,4）。

我没有较旧的版本可以对此进行测试，并且不知道有任何更改。

如果np.matrix是（4,1）矩阵，则结果（4,4）dot（4,1）=>（4,1）：

矩阵与数组的数字积是矩阵

1 个答案: