# 1. 定义

### 维基定义

#### 数组

• 没有规定数组维度-->可以是任意的，eg：一维，二维，多维etc

#### 矩阵

• 规定了矩阵维度：m x n--->二维的

### numpy定义

#### numpy.ndarray

An array object represents a multidimensional, homogeneous array of fixed-size items. An associated data-type object describes the format of each element in the array .

#### numpy.matrix

Returns a matrix from an array-like object, or from a string of data. A matrix is a specialized 2-D array that retains its 2-D nature through operations. It has certain special operators, such as * (matrix multiplication) and ** (matrix power).

# 2. 乘法运算类型及其定义

• 运算符号*
• np.multiply（a,b）
• np.dot(a, b)
• np.matmul(a, b)
1. 运算符号*
符号乘法，运算符重载；
(1) a,b 为1-D数组；
逐元素相乘element-wise*
``````a=np.arange(4)#a=[0,1,2,3]
b=np.arange(4)+1 #b=[1,2,3,4]
c=a*b # c= [0,2,6,12]

``````

（2）a,b为2-D数组；element-wise运算

``````a=np.arange(6).reshape(2,3)#a=[[0,1,2],[3,4,5]]
b=np.arange(6).reshape(3,2)#b=[[0,1],[2,3],[4,5]]
c=a*b#wrong 运行出错；不能进行广播
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (2,3) (3,2)

``````

（3）a,b 为2-D矩阵；矩阵运算

``````a=np.mat(np.arange(6).reshape(2,3))#a=[[0,1,2],[3,4,5]]
b=np.mat((np.arage(6)+1).reshape(3,2))#b=[[0,1],[2,3],[4,5]]
c=a*b #c=[[13, 16],[40, 52]]

``````

1. np.multiply(a, b)
Multiply arguments element-wise.逐元素相乘
参数：a,b: 数组类型
输出：ndarray 数组；a,b 逐元素相乘的结果；如果a和b都是标量，返回一个标量。

（1）标量：一个数，eg:6; 6.0; 666

``````a=1; b=2
c = np.multiply(a,b)
#c = 2 输出结果c为2

``````

（2）a,b 1-D数组:

``````a=np.arange(4)#a=[0,1,2,3]
b=np.arange(4)+1 #b=[1,2,3,4]
c=np.multiply(a,b)#c=[0,2,6,12]

``````

（3）a,b 2-D 数组：能广播，逐元素相乘；不能广播，报错。

``````a=np.arange(6).reshape(2,3)#a=[[0,1,2],[3,4,5]]
b=(np.arage(6)+1).reshape(3,2)#b=[[0,1],[2,3],[4,5]]
c=np.multiply(a,b)#wrong
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (2,3) (3,2)

``````

（4）a，b 矩阵：报错；本质上，进行逐元素element-wise运算

``````a=np.mat(np.arange(6).reshape(2,3))#a=[[0,1,2],[3,4,5]]
b=np.mat((np.arage(6)+1).reshape(3,2))#b=[[0,1],[2,3],[4,5]]
c=np.multiply(a,b)#wrong
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (2,3) (3,2)

``````

``````a=np.mat(np.arange(6).reshape(2,3))#a=[[0,1,2],[3,4,5]]
b=np.mat((np.arage(3)+1))#b=[[1,2,3]]
c=np.multiply(a,b)#c=matrix([[0,2,6],[3,8,15]])

``````
1. np.dot(a,b)
Dot product of two arrays.数组a和数组b的点积。
点积是两个向量上的函数并返回一个标量的二元运算；是内积的一种特殊形式。
根据数组a和数组b的维度不同，运算过程也不相同：

（1）a, b为一维数组：返回a和b的点积（就是一个数）：

``````a=np.arange(2) #a=[0,1]
b=np.arange(2)+2 #b=[2,3]
c=np.dot(a,b) #c=3 ；just a number

``````

（2）a, b为二维数组：a和b做矩阵乘法运算：

``````a=np.arrange(6).reshape(2,3) #a=[[0,1,2],[3,4,5]]
b=np.arange(6).reshape(3,2) #b=[[0,1],[2,3],[4,5]]
c=np.dot(a,b) # c= [[10, 13], [28,40]]

``````

（3）a,b 为矩阵形式:和二维数组相同，进行矩阵运算。

``````a=np.mat(np.arrange(6).reshape(2,3)) #a=[[0,1,2],[3,4,5]]
b=np.mat(np.arange(6).reshape(3,2) )#b=[[0,1],[2,3],[4,5]]
c=np.dot(a,b) # c= [[10, 13], [28,40]]

``````
1. np.matmul(a, b)
两个数组的矩阵积。
运算根据参数的维度大小，有不同的计算方法：
• 参数a，b都为二维矩阵2-D，进行矩阵运算；
• 第一个参数为1维1-D，用1填充参数a，然后进行矩阵运算，之后，删除添加的1；
• 第二个参数为1维1-D，用1填充参数b，进行矩阵运算，之后，删除添加的1；
• 如果参数a，b的维度大于2，将其视为存在于最后两个索引的矩阵的栈，并进行相应广播；

（1）a,b为2-D数组：

``````a=np.arrange(6).reshape(2,3) #a=[[0,1,2],[3,4,5]]
b=np.arange(6).reshape(3,2) #b=[[0,1],[2,3],[4,5]]
c=np.matmul(a,b) # c= [[10,13],[28,40]]

``````

（2）a,b为matrix类型;和2-D数组相同

``````a=np.mat(np.arrange(6).reshape(2,3)) #a=[[0,1,2],[3,4,5]]
b=np.mat(np.arange(6).reshape(3,2))#b=[[0,1],[2,3],[4,5]]
c=np.matmul(a,b) # c= [[10,13],[28,40]]
``````

### 推荐阅读更多精彩内容

• 一.NumPy的引入 标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列...
wlj1107阅读 661评论 0 2
• 先决条件 在阅读这个教程之前，你多少需要知道点python。如果你想从新回忆下，请看看Python Tutoria...
舒map阅读 2,156评论 1 14
• 怎么去寻找努力的方向，这是第一步也是最难的一步。很早就意识到这个问题，时间过去了好久，还是不知道该朝哪个方向...
香菜姑娘666阅读 167评论 2 3
• 想象一下，当我们通过多啦A梦的缩小灯变成了小人儿，又或者误入了小人国。原来那些渺小的存在，比如一块面包、一片菜叶、...
安的烈阅读 2,683评论 10 59
• 如果你不在 我想我可以是只飞鸟 徜徉在广阔的山间和云端 那崖壁上的划痕 是我自由的宣言 如果你不在 我会把我们的过...
公子一小白阅读 86评论 0 0
• 绒布峰针特训营第15天了，我一直在学习的路上。 在团队里面大家互帮互助，不断进步超越自己。创造了一个又一个奇迹，加...
阿岩绒布峰针董事阅读 91评论 0 0