如果我有一個值陣列：
numbers = np.array([1, 2, 4, 5])
和一個向量：
vector = np.array([1, 0, 1])
如何將向量乘以值陣列以獲得以下結果：
vector_array = np.array([[1, 0, 1], [2, 0, 2], [4, 0, 4], [5, 0, 5]])
我嘗試通過執行以下操作使用 matmul 來做到這一點：
vector_array = vector[..., None]@numbers
和：
vector_array = vector.T@numbers
我希望得到列向量，然后我可以轉置，但是我得到了這個輸出：
選項1：
vector_array = vector[..., None]@numbers
ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 1)
選項 2：
vector_array = vector.T@numbers
ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 3)
如何強制 matmul 以預期的方式運行并將列向量乘以行向量來給我一個矩陣？我應該使用其他功能嗎？
uj5u.com熱心網友回復：
使用numpy 廣播：
vector_array = vector * numbers[:, None]
輸出：
>>> vector_array
array([[1, 0, 1],
[2, 0, 2],
[4, 0, 4],
[5, 0, 5]])
要理解它，請看numbers[:, None]：
>>> numbers
array([1, 2, 4, 5])
>>> numbers[:, None]
array([[1],
[2],
[4],
[5]])
所以基本上vector * numbers[:, None]乘以vector的每個元素numbers。
uj5u.com熱心網友回復：
與@richardec 給出的一種不同的可能性是使用numpy.outer：
numpy.outer(numbers, normal) = np.array([[1, 0, 1], [2, 0, 2], [4, 0, 4], [5, 0, 5]])
根據需要，不確定這兩種方法中的哪一種更快。
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/430365.html
標籤：python-3.x 麻木的 矩阵 矩阵乘法