两个numpy数组服装乘法的函数答案

【问题标题】：function for two numpy array costume multiplication两个numpy数组服装乘法的函数
【发布时间】：2018-11-07 14:16:57
【问题描述】：

我需要一个简单的 numpy 函数来做这个乘法而不需要 for-loop 并且更省时。

其实我想要一个函数，将a的每一行乘以b

a=np.arange(2,12).reshape(5,2)
b=np.array([[1,2],[3,4]])
c=np.array([[a[i,:]@b] for i in range(a.shape[0])])

【问题讨论】：

标签： python numpy matrix-multiplication multiplication numpy-ndarray

【解决方案1】：

与numpy.tensordot:

c = np.tensordot(a, b, axes=1)

如果您坚持 shape 将是相同的：

c.reshape(5,1,2)

【讨论】：

返回的正是我想要的
这绝对是最简洁的答案，但请注意 tensordot 比使用 einsum 慢大约 10 倍（至少在我的机器上）。它似乎也比 OPs 原始方法慢一些。
@MattPitkin 感谢您的有趣见解。我个人仍然很难理解einsum 的工作原理。很高兴看到两个答案都出现了。

【解决方案2】：

使用 numpy einsum 你可以做到（根据@dobkind 的answer 编辑以重塑数组）：

c = np.einsum('ki,ij->kj', a, b).reshape(5,1,2)

应该更快。

%timeit np.einsum('ki,ij->kj', a, b).reshape(5,1,2)
1.87 µs ± 10.5 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

与（使用@ 矩阵乘法运算符，在 Python 3 中有效）

%timeit np.array([[a[i,:]@b] for i in range(a.shape[0])])
10.2 µs ± 36.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

【讨论】：

我采纳了你的建议，但它的答案与我想要的不一样
试试 np.einsum('ki,ij->kj', a, b) - 我已经编辑了这个选项的答案。 @dobkind 的回答也有效。

【解决方案3】：

要使用 @，请将 a 制作成一个 3d 数组 (5,1,2)，并与 (2,2) 配对（或通过自动广播 (1,2,2)）。

In [448]: np.array([[a[i,:]@b] for i in range(a.shape[0])])
Out[448]: 
array([[[11, 16]],

       [[19, 28]],

       [[27, 40]],

       [[35, 52]],

       [[43, 64]]])

In [450]: a[:,None,:]@b
Out[450]: 
array([[[11, 16]],

       [[19, 28]],

       [[27, 40]],

       [[35, 52]],

       [[43, 64]]])

这实际上比einsum 解决方案要快一些——尽管对于这么小的例子，我不会在时间问题上大惊小怪。

【讨论】：

【解决方案4】：

使用 numpy 中的 matmul 函数将两个矩阵相乘。让我知道这是否有帮助。谢谢。

c = np.matmul(a,b)

【讨论】：

非常感谢您的合作，但这不适用于我的应用程序
还有@是matmul