本文结合其他博主的一些介绍总结了dot函数运算过程
基本简介
dot函数为numpy库下的一个函数，主要用于矩阵的乘法运算，其中包括：向量内积、多维矩阵乘法和矩阵与向量的乘法。
1. 向量内积
向量其实是一维的矩阵，两个向量进行内积运算时，需要保证两个向量包含的元素个数是相同的。
例1：
import numpy as np x = np.array([1, 2, 3, 4, 5, 6, 7]) y = np.array([2, 3, 4, 5, 6, 7, 8]) result = np.dot(x, y) print(result)
输出结果：
168
计算过程就是将向量中对应元素相乘，再相加所得。即普通的向量乘法运算。
2. 矩阵乘法运算
注意：
1.数组的运算是元素级的，数组相乘的结果是各对应元素的积组成的数组，而对于矩阵而言，需要求的是点积
2.两个矩阵(x, y)如果可以进行乘法运算，需要满足以下条件：
x为 m×n 阶矩阵，y为 n×p 阶矩阵，
则相乘的结果 result 为 m×p 阶矩阵。例子如下
例2：
import numpy as np
x = np.array([[1, 2, 3],
[3, 4, 4]])
y = np.array([[0, 1, 1, 1],
[1, 2, 0, 1],
[0, 0, 2, 1]])
result = np.dot(x, y)
print(result)
print("x阶数：" str(x.shape))
print("y阶数：" str(y.shape))
print("result阶数：" str(result.shape))结果为：
[[ 2 5 7 6]
[ 4 11 11 11]]
x阶数：(2, 3)
y阶数：(3, 4)
result阶数：(2, 4)
下面我们来分析一下一维数组到多维数组之间的运算过程
2.1如下单个数的dot函数运算所示：
np.dot(5,8)40
2.2如下一维数组的dot函数运算所示：
#如果arr1和arr2都是一维数组，那么它返回的就是向量的内积
arr1=np.array([2,3]) arr2=np.array([4,5]) np.dot(arr1,arr2) #23
如图所示：
2.3如下二维数组的dot函数运算所示：
#如果arr5 和arr6都是二维数组，那么它返回的是矩阵乘法
arr5=np.array([[2,3],[4,5]]) arr6=np.array([[6,7],[8,9]]) np.dot(arr5,arr6) """ array([36,4], [64,73]) """
运算过程如下所示：
2.4如下二维数组与三维数组的dot函数运算：
#arr7二维数组与arr8三维数组的dot函数矩阵运算
arr7=np.array([[2,3,4],[5,6,7]]) arr8=np.array([[0,1,2],[3,4,5],[6,7,8]]) np.dot(arr7,arr8) """ array([33,42,51],[60,78,96]) """
2.5如下多维数组的dot函数运算所示：
#多维数组的dot函数矩阵运算 arr12=np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]]) arr13=np.array([[0,1,2],[3,4,5],[6,7,8]]) np.dot(arr12,arr13) """ array([15,18,21], [42,54,66], [69,90,111], [96,126,156]) """
注意：
dot()函数可以通过NumPy库调用，也可以由数组实例对象进行调用。例如：a.dot(b) 与 np.dot(a,b)效果相同。但矩阵积计算不遵循交换律,np.dot(a,b) 和 np.dot(b,a) 得到的结果是不一样的。
总结
到此这篇关于python中dot函数运算的文章就介绍到这了,更多相关python dot函数内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！