具有矩阵单独行乘法的每个向量元素的 Numpy 运算符答案

【问题标题】：Numpy operator for each vector element with matrix individual row multiplication具有矩阵单独行乘法的每个向量元素的 Numpy 运算符
【发布时间】：2020-05-10 08:55:06
【问题描述】：

是否有一个 numpy 运算符会导致单个向量元素与相应的矩阵行相乘？

例如，

    import numpy
    a,b=numpy.array([1,2]), numpy.array([[1,2,3,4],[5,6,7,8]])

当我将 a 和 b 相乘时，我希望结果是

[[1,2,3,4],[10,12,14,16]]

其中每个向量元素与对应的矩阵行元素相乘。

我知道如何使用循环来实现这一点，但我只是想知道 numpy 中是否存在为此的内置函数，尤其是当 b 是一个非常大但稀疏的矩阵时？

谢谢。

【问题讨论】：

标签： python numpy sparse-matrix matrix-multiplication

【解决方案1】：

你可以像下面这样使用multiply：

import numpy
a,b=numpy.array([1,2]), numpy.array([[1,2,3,4],[5,6,7,8]])
print(numpy.multiply(a,b.T).T)
# [[ 1  2  3  4]
# [10 12 14 16]]

其他选项是使用* 并转置如下：

import numpy
a,b=numpy.array([1,2]), numpy.array([[1,2,3,4],[5,6,7,8]])
print(a*b.T)
# [[ 1 10]
# [ 2 12]
# [ 3 14]
# [ 4 16]]

【讨论】：

感谢您的回复，但您能否像我在问题中提出的那样扩展答案以包括大型稀疏矩阵？
@YourIDE 请在您的问题正文中添加输入示例和所需输出
我指的是与 scipy.sparse 中类似的方法，但我想这会起作用，因为它只是一个带有矩阵乘法的向量。另外，在第二种方法中，应该是 (a*b.T).T 感谢您的帮助。 :)

【解决方案2】：

你可以使用：

a[:,None]*b

这应该相当快，没有额外的计算成本。

输出：

[[ 1  2  3  4]
 [10 12 14 16]]

【讨论】：

newaxis 选项也很优雅，我将以下链接添加给读者stackoverflow.com/questions/37867354/…