Question

目前，我的代码完全使用numpy数组np.array编写。

将m定义为100个值的{np.array，m.shape = (100,)。还有一个多维数组，C.shape = (100,100)。

我想要计算的操作是

m^T * C * m

其中m^T的形状(1,100)，形状m的{{1}}和形状(100,1)的{{1}}应该是C。

我对如何处理感到矛盾。如果我坚持数据类型必须保持(100,100)，那么我应该np.arrays或numpy.dot()并指定轴。这就像是

numpy.tensordot()

虽然import numpy as np result = np.dot(C, m) final = np.dot(m.T, result)是一个与m.T形状相同的数组。此外，这是两个单独的操作，而不是一个。

否则，我应该将所有内容转换为m并继续使用矩阵乘法。这个问题是我必须将所有np.matrix转换为np.arrays，执行操作，然后转换回np.matrix。

最有效率和最聪明的事情是什么？

编辑：

根据目前为止的答案，我认为np.array可能是最好的前进方式。

Answer 1

使用矩阵的主要优点是*符号执行矩阵乘法，而它使用数组执行逐元素乘法。对于数组，您需要使用dot。看到： http://wiki.scipy.org/NumPy_for_Matlab_Users What are the differences between numpy arrays and matrices? Which one should I use?

如果m是一维数组，您不需要转置任何内容，因为对于1D数组，转置不会改变任何内容：

In [28]: m.T.shape, m.shape
Out[28]: ((3,), (3,))
In [29]: m.dot(C)
Out[29]: array([15, 18, 21])

In [30]: C.dot(m)
Out[30]: array([ 5, 14, 23])

如果您向m添加其他维度，则会有所不同：

In [31]: mm = m[:, np.newaxis]

In [32]: mm.dot(C)
--------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-32-28253c9b8898> in <module>()
----> 1 mm.dot(C)

ValueError: objects are not aligned

In [33]: (mm.T).dot(C)
Out[33]: array([[15, 18, 21]])

In [34]: C.dot(mm)
Out[34]: 
array([[ 5],
       [14],
       [23]])

使用矩阵乘法与np.matrix数组和dot（）/ tensor（）与np.arrays有什么区别？

1 个答案: