本文主要是介绍【Python】 numpy中运算符* @ mutiply dot的用法分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
https://blog.csdn.net/Invokar/article/details/89532476
引言:
最近同学在做机器学习作业时,代码中遇到了*
@
np.mutiply
.dot
这个几个numpy的运算,发现有点晕,于是我在这里做几个简单的对比,以及列举需要注意的问题
首先先给一个比较简单的用法解释:*
: 根据数据类型的不同,可能是做点乘运算,也可能做矩阵乘法运算@
: 只做矩阵乘法运算.dot
: 只做矩阵乘法运算np.mutiply
:只做点乘运算
为了说明上述结论的正确性,下面首先对ndarray数据类型进行运算操作
In [1]: import numpy as npIn [2]: a = np.array(np.arange(4)).reshape(2,2)In [3]: b = aIn [4]: a
Out[4]:
array([[0, 1],[2, 3]])In [5]: b
Out[5]:
array([[0, 1],[2, 3]])In [6]: np.multiply(a, b)
Out[6]:
array([[0, 1],[4, 9]])In [7]: a * b
Out[7]:
array([[0, 1],[4, 9]])In [8]: a.dot(b)
Out[8]:
array([[ 2, 3],[ 6, 11]])
In [9]: a @ b
Out[9]:
array([[ 2, 3],[ 6, 11]])
如果array不是方阵,我们再运行测试,得到如下结果
In [16]: a = np.array(np.arange(6)).reshape(3,2)In [17]: a
Out[17]:
array([[0, 1],[2, 3],[4, 5]])In [18]: b = a.TIn [19]: b
Out[19]:
array([[0, 2, 4],[1, 3, 5]])In [20]: b * a
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-20-245d0d068c2b> in <module>()
----> 1 b * aValueError: operands could not be broadcast together with shapes (2,3) (3,2)In [21]: np.multiply(b, a)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-23-bae4ae98f8ad> in <module>()
----> 1 np.multiply(b, a)ValueError: operands could not be broadcast together with shapes (2,3) (3,2)
In [22]: b.dot(a)
Out[22]:
array([[20, 26],[26, 35]])In [23]: b @ a
Out[23]:
array([[20, 26],[26, 35]])
从上面可以发现,针对ndarray而言:*
和 np.multiply
只能做点乘运算,当运算符两边的数据维度无法满足点乘运算结果时,就会报错@
和.dot
只能做矩阵乘法运算
然后再对matrix数据类型进行运算操作
In [27]: a = np.matrix(np.arange(4)).reshape(2,2)In [28]: a
Out[28]:
matrix([[0, 1],[2, 3]])In [29]: b = aIn [30]: b
Out[30]:
matrix([[0, 1],[2, 3]])In [31]: a * b
Out[31]:
matrix([[ 2, 3],[ 6, 11]])In [32]: np.multiply(a,b)
Out[32]:
matrix([[0, 1],[4, 9]])In [33]: a @ b
Out[33]:
matrix([[ 2, 3],[ 6, 11]])In [34]: a.dot(b)
Out[34]:
matrix([[ 2, 3],[ 6, 11]])
In [35]: c = np.matrix(np.arange(6)).reshape(3,2)In [36]: d = c.TIn [37]: c
Out[37]:
matrix([[0, 1],[2, 3],[4, 5]])In [38]: d
Out[38]:
matrix([[0, 2, 4],[1, 3, 5]])In [39]: np.multiply(d, c)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-39-6c3683491fc6> in <module>()
----> 1 np.multiply(d, c)ValueError: operands could not be broadcast together with shapes (2,3) (3,2)
从上面可以发现,针对matrix而言:*
会做矩阵乘法运算
而 np.multiply
依然只能做点乘运算,当运算符两边的数据维度无法满足点乘运算结果时,就会报错。@
和.dot
依旧保持只做矩阵乘法运算
总结:
为了防止记混或者出错,有以下建议:
- 只使用
@
来做矩阵乘法运算 - 只使用
np.multiply
来做点乘运算 - 在使用其他框架,类似于tensorflow或者pytorch,建议先针对这四个运算法运算一遍,明白其运算逻辑再Coding!
这篇关于【Python】 numpy中运算符* @ mutiply dot的用法分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!