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 * bdot = 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),m n l指维度，得到m*l的矩阵运算顺序如下图：
程序演示如下：
import numpy as npA = [[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？
import numpy as npA = [[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：
import numpy as npA = [[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编程网，关注编程网行业资讯频道，更多相关知识等着你来学习!
