这篇文章主要介绍了numpy 中dot()函数的计算方式有哪些，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
如下所示：
a=np.arange(1,5).reshape(2,2)
b=np.arange(2,6).reshape(2,2)
c=a*b
dot=np.dot(a,b)
print(a)
print(b)
print(c)
print(dot)
打印出a
[[1 2]
[3 4]]
打印出b
[[2 3]
[4 5]]
a * b 每个相对位置的数值相乘1*2=2,2*3=6,3*4=12,4*5=20.比较简单,自己脑补一下
[[ 2 6]
[12 20]]
a.dot(b)也可以下成下面的那种形式,看你喜欢了.关键是算法
np.dot(a,b)
[[10 13]
[22 29]]
10=1*2+2*4 a[1][1]*b[1][1]+a[1][2]*b[2][1]
13=1*3+2*5
22=3*2+4*4
29=3*3+4*5 a[2][1]*b[1][2]+a[2][2]*b[2][2]
就这样了，规律自己找~
补充：Numpy矩阵乘积函数（dot）运算规则解析
np.dot(A, B)
A为二维m*n的举证，B必须为n*l的矩阵，l两个矩阵的n必须一致，也就是说A有多少列，B就必须有多少行，否则无法运算。结果得到m*l的矩阵
m*l=np.dot(m*n,n*l),mnl指维度，得到m*l的矩阵
运算顺序如下图：
程序演示如下：
importnumpyasnp
A=[[1,2,3],[4,5,6]]
B=[[3,2],[4,3],[4,3]]
print(np.dot(A,B))
结果：
[[23 17]
[56 41]]
如果A和B的形状交换会怎么样呢？
importnumpyasnp
A=[[1,2,3],[4,5,6]]
B=[[3,2],[4,3],[4,3]]
print(np.dot(B,A))
结果是这样哟！不是说形状一定是变小哟
[[11 16 21]
[16 23 30]
[16 23 30]]
这是A和B的形状不一样：
importnumpyasnp
A=[[1,2,3],[4,5,6]]
B=[[3],[4],[4]]
print(np.dot(A,B))
结果如下：
[[23]
[56]]
感谢你能够认真阅读完这篇文章，希望小编分享的“numpy 中dot()函数的计算方式有哪些”这篇文章对大家有帮助，同时也希望大家多多支持恰卡编程网，关注恰卡编程网行业资讯频道，更多相关知识等着你来学习!
