如何在Python上将一个矩阵的每一行乘以另一个矩阵的每一行?

发布于 2025-01-16 10:37:22 字数 445 浏览 0 评论 0原文

当我运行程序时,A 和 B 矩阵将不同

A = np.array([[1, 1, 1], [2, 2, 2]])
B = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]])

输出矩阵 (C) 应与矩阵 A 具有相同的维度。 正如标题所述,我试图将一个矩阵 (A) 的每一行乘以另一个矩阵 (B) 的每一行,并希望对它们求和。

例如, C = (2,3) 的维度

C = [[A(0)*B(0) + A(1)*B(0)], [A(0)*B(1) + A(1)*B(1)],[A(0)*B(1) + A(1)*B(1)]]

我想知道是否有 numpy 函数可以做到这一点。

A and B matrices will be different when i run the program

A = np.array([[1, 1, 1], [2, 2, 2]])
B = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]])

The output matrix (C) should be the same dimension as matrix A.
As title says, I'm trying to multiply each row from one matrix (A) to every rows to another matrix (B) and would like to sum them.

For example,
Dimension of C = (2,3)

C = [[A(0)*B(0) + A(1)*B(0)], [A(0)*B(1) + A(1)*B(1)],[A(0)*B(1) + A(1)*B(1)]]

I would like to know if there is a numpy function does that.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

好多鱼好多余 2025-01-23 10:37:22

使用 numpy 广播:

C = (A * B[:, None]).sum(axis=1)

输出:

>>> C
array([[3, 3, 3],
       [6, 6, 6],
       [9, 9, 9]])

Use numpy broadcasting:

C = (A * B[:, None]).sum(axis=1)

Output:

>>> C
array([[3, 3, 3],
       [6, 6, 6],
       [9, 9, 9]])
~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文