Numpy中dot()函數(shù)主要功能有兩個：向量點積和矩陣乘法。

格式：x.dot(y) 等價于 np.dot(x,y) ———x是m*n 矩陣 ，y是n*m矩陣，則x.dot(y) 得到m*m矩陣。

一、向量點積
如果處理的是一維數(shù)組，則得到的是兩數(shù)組的內(nèi)積。

例1：

import numpy as np
x=np.array([0,1,2,3,4])#等價于:x=np.arange(0,5)
y=x[::-1]
print x
print y
print np.dot(x,y)
?
輸出：

[0 1 2 3 4]
[4 3 2 1 0]
10
例2：

import numpy as np
x=np.arange(0,5)
y=np.random.randint(0,10,5)
print x
print y
print np.dot(x,y)
輸出：

[0 1 2 3 4]
[5 1 0 9 2]
36
二、矩陣乘法
如果是二維數(shù)組（矩陣）之間的運算，則得到的是矩陣積

1.np.dot(x, y), 當(dāng)x為二維矩陣，y為一維向量，這時y會轉(zhuǎn)換一維矩陣進行計算

首先，我們來看一下一維向量和一位矩陣的不同

例3：

import numpy as np
x=np.arange(0,5)
y=np.random.randint(0,10,size=(5,1))
print x
print y
print "x.shape:"+str(x.shape)
print "y.shape"+str(y.shape)
print np.dot(x,y)
輸出：

[0 1 2 3 4]
[[3]
?[7]
?[2]
?[8]
?[1]]
x.shape:(5,)
y.shape(5, 1)
[39]
可以看出一維向量的shape是(5, ), 而一維矩陣的shape是(5, 1), 若兩個參數(shù)x和y中有一個是矩陣時（包括一維矩陣），dot便進行矩陣乘法運算，同時若有個參數(shù)為向量，會自動轉(zhuǎn)換為一維矩陣進行計算。

2.np.dot(x, y)中，x、y都是二維矩陣，進行矩陣積計算

例4：

import numpy as np
x=np.arange(0,6).reshape(2,3)
y=np.random.randint(0,10,size=(3,2))
print x
print y
print "x.shape:"+str(x.shape)
print "y.shape"+str(y.shape)
print np.dot(x,y)
輸出：

[[0 1 2]
?[3 4 5]]
[[7 5]
?[0 7]
?[6 2]]
x.shape:(2, 3)
y.shape(3, 2)
[[12 11]
?[51 53]]
注意：矩陣積計算不遵循交換律,np.dot(x,y)?和 np.dot(y,x)?得到的結(jié)果是不一樣的。

0行 0列的計算，x里面的元素是[0 1 2]，y里面的元素是[7 0 6],計算結(jié)果是0×7+1×0+2×6=12

0行 1列的計算，x里面的元素是[0 1 2]，y里面的元素是[5?7 2],計算結(jié)果是0×5+1×7+2×2=11

計算依次類推
————————————————
版權(quán)聲明：本文為CSDN博主「Liang_xj」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/Liang_xj/article/details/85003467

總結(jié)

以上是生活随笔為你收集整理的np.dot()函数用法(亲测矩阵算法)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。