numpymatrix向量乘法

当我乘以尺寸（nxn）*（nx 1）的两个numpy数组时，我得到一个大小为（nxn）的matrix。遵循正常的matrix乘法规则，预期有（nx 1）个向量，但是我根本无法find关于在Python的Numpy模块中如何完成的任何信息。

问题是我不想手动执行它来保持程序的速度。

示例代码如下所示：

a = np.array([[ 5, 1 ,3], [ 1, 1 ,1], [ 1, 2 ,1]]) b = np.array([1, 2, 3]) print a*b >> [[5 2 9] [1 2 3] [1 4 3]]

我想要的是：

 print a*b >> [16 6 8]

最简单的解决scheme

使用numpy.dot或a.dot(b) 。请参阅这里的文档。

 >>> a = np.array([[ 5, 1 ,3], [ 1, 1 ,1], [ 1, 2 ,1]]) >>> b = np.array([1, 2, 3]) >>> print a.dot(b) array([16, 6, 8])

发生这种情况是因为numpy数组不是matrix，标准操作*, +, -, /在数组上工作。相反，你可以尝试使用numpy.matrix ， *将被视为matrix乘法。

也知道还有其他的select：

如下所述，如果使用python3.5 +， @运算符按照您的预期工作：
```
 >>> print(a @ b) array([16, 6, 8]) 
```
如果你想矫枉过正，你可以使用numpy.einsum 。这个文档会给你一个它的工作原理，但说实话，我没有完全理解如何使用它，直到阅读这个答案，只是自己玩弄它。
```
 >>> np.einsum('ji,i->j', a, b) array([16, 6, 8]) 
```
截至2016年年中（numpy 1.10.1），您可以尝试numpy.matmul实验，其工作方式与numpy.dot numpy.matmul ，但有两个主要的例外：无标量乘法，但可与matrix堆栈一起工作。
```
 >>> np.matmul(a, b) array([16, 6, 8]) 
```

如果有张量（维数大于或等于1的数组），可以使用numpy.tensordot和可选参数axes=1 ：
```
 >>> np.tensordot(a, b, axes=1) array([16, 6, 8]) 
```
如果你有一个复数matrix， 不要使用numpy.vdot ，因为matrix将被压扁成一维数组，然后它将尝试find你的平坦matrix和向量之间的复共轭点乘积（这将失败，因为尺寸不匹配n*m vs n ）。