如何在 NumPy 中一次乘以 3 个以上的向量

Question

我正在寻找一种在 NumPy 中将 3 个以上的向量相乘的向量化方法。

例如，

X = np.array([1,2,3])
Y = np.array([4,5,6])
Z = np.array([7,8,9])


Multiply([X,Y,Z])

将产生输出

np.array([28, 80, 162])

我要相乘的向量不需要像我上面那样单独定义。例如，可能是矩阵的行（或列），在这种情况下，我想乘以这种矩阵的所有行（或列）。

感谢帮助:)

Answer 1

你可以使用ufunc的reduce方法：

>>> np.multiply.reduce((X, Y, Z))                                                                                                                                                                                                                        
array([ 28,  80, 162])

这里发生的事情是 ufunc np.multiply，它看起来和行为都像函数，在技术上是 class numpy.ufunc 的一个实例；所有 ufunc 都有 four special methods，其中之一是 .reduce()，在这种情况下它可以满足您的需求，并从多个相同长度的一维数组中生成一维结果。

默认坐标轴为0；如果您想沿着另一个轴工作，只需指定：

>>> np.multiply.reduce((X, Y, Z), axis=1)                                                                                                                                                                                                                
array([  6, 120, 504])

Answer 2

您可以使用 numpy.prod，它在后台使用 multiply.reduce。

>>> np.prod([X, Y, Z], 0)
array([ 28,  80, 162])

>>> np.prod([X, Y, Z], 1)
array([  6, 120, 504])

Answer 3

或者非常简单地使用通常的 * 表示法：

In [180]: X * Y * Z
Out[180]: array([ 28,  80, 162])

一般来说，您可以根据需要使用任意数量的数组：

In [181]: X * Y * Z * X * Y * Z
Out[181]: array([  784,  6400, 26244])

如何在 NumPy 中一次乘以 3 个以上的向量

How can I multiply more than 3 vectors at once in NumPy

python

numpy

multiplication

multidimensional-array

numpy-ndarray