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?
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。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论
评论(1)
使用 numpy 广播:
输出:
Use numpy broadcasting:
Output: