两个numpy数组服装乘法的函数

Question

我需要一个简单的 numpy 函数来执行此乘法运算而不需要 for 循环 并且更省时。

实际上我想要一个函数将 a 的每一行乘以 b

a=np.arange(2,12).reshape(5,2)
b=np.array([[1,2],[3,4]])
c=np.array([[a[i,:]@b] for i in range(a.shape[0])])

Answer 1

使用 numpy 中的 matmul 函数将两个矩阵相乘。让我知道这是否有帮助。谢谢。

c = np.matmul(a,b)

Answer 2

使用 numpy einsum you could do (edited to reshape the array based on @dobkind's ):

c = np.einsum('ki,ij->kj', a, b).reshape(5,1,2)

哪个应该更快。

%timeit np.einsum('ki,ij->kj', a, b).reshape(5,1,2)
1.87 µs ± 10.5 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

与（使用 @ 矩阵乘法运算符，在 Python 3 中有效）

%timeit np.array([[a[i,:]@b] for i in range(a.shape[0])])
10.2 µs ± 36.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

Answer 3

与numpy.tensordot:

c = np.tensordot(a, b, axes=1)

如果你坚持shape会是一样的：

c.reshape(5,1,2)

Answer 4

要使用 @，请将 a 与 (2,2)（或 (1,2,2)）成对的 3d 数组 (5,1,2) 通过自动广播).

In [448]: np.array([[a[i,:]@b] for i in range(a.shape[0])])
Out[448]: 
array([[[11, 16]],

       [[19, 28]],

       [[27, 40]],

       [[35, 52]],

       [[43, 64]]])

In [450]: a[:,None,:]@b
Out[450]: 
array([[[11, 16]],

       [[19, 28]],

       [[27, 40]],

       [[35, 52]],

       [[43, 64]]])

这实际上比 einsum 解决方案要快一些 - 尽管对于这么小的示例，我不会在时间上花太多时间。

两个numpy数组服装乘法的函数

function for two numpy array costume multiplication

python

numpy

multiplication

matrix-multiplication

numpy-ndarray