19

我试图了解如何处理1D数组（线性代数中的向量）NumPy。

在以下示例中，我生成两个numpy.array aand b：

>>> import numpy as np
>>> a = np.array([1,2,3])
>>> b = np.array([[1],[2],[3]]).reshape(1,3)
>>> a.shape
(3,)
>>> b.shape
(1, 3)

对我来说，a根据b线性代数定义具有相同的形状：1 行 3 列，但不是NumPy.

现在，NumPy dot产品：

>>> np.dot(a,a)
14
>>> np.dot(b,a)
array([14])
>>> np.dot(b,b)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: objects are not aligned

我有三个不同的输出。

dot(a,a)和有什么区别dot(b,a)？为什么点(b,b)不起作用？

我对这些点积也有一些不同之处：

>>> c = np.ones(9).reshape(3,3)
>>> np.dot(a,c)
array([ 6.,  6.,  6.])
>>> np.dot(b,c)
array([[ 6.,  6.,  6.]])
4

1 回答 1

21

请注意，您不仅使用一维数组：

In [6]: a.ndim
Out[6]: 1

In [7]: b.ndim
Out[7]: 2

所以，b是一个二维数组。您还可以在 的输出中看到这一点b.shape： (1,3) 表示二维，因为 (3,) 是一维。

1D 和 2D 数组的行为np.dot不同（来自docs）：

对于二维数组，它相当于矩阵乘法，对于一维数组，它相当于向量的内积

这就是您得到不同结果的原因，因为您混合了 1D 和 2D 数组。由于b是 2D 数组，因此np.dot(b, b)尝试对两个 1x3 矩阵进行矩阵乘法，但失败了。

对于一维数组，np.dot 对向量进行内积：

In [44]: a = np.array([1,2,3])

In [45]: b = np.array([1,2,3])

In [46]: np.dot(a, b)
Out[46]: 14

In [47]: np.inner(a, b)
Out[47]: 14

对于二维数组，它是矩阵乘法（因此 1x3 x 3x1 = 1x1，或 3x1 x 1x3 = 3x3）：

In [49]: a = a.reshape(1,3)

In [50]: b = b.reshape(3,1)

In [51]: a
Out[51]: array([[1, 2, 3]])

In [52]: b
Out[52]:
array([[1],
       [2],
       [3]])

In [53]: np.dot(a,b)
Out[53]: array([[14]])

In [54]: np.dot(b,a)
Out[54]:
array([[1, 2, 3],
       [2, 4, 6],
       [3, 6, 9]])

In [55]: np.dot(a,a)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-55-32e36f9db916> in <module>()
----> 1 np.dot(a,a)

ValueError: objects are not aligned
于 2013-03-28T11:38:22.547 回答