numpy.dot#

numpy.dot(a, b, out=None)#

两个数组的点积.具体来说,

如果 a 和 b 都是一维数组,则是向量的内积（不带复数共轭）.
如果 a 和 b 都是二维数组,这是矩阵乘法,但使用 matmul 或 a @ b 是首选.
如果 a 或 b 是 0-D（标量）,它等同于 multiply 并且使用 numpy.multiply(a, b) 或 a * b 是首选.
如果 a 是一个 N 维数组,而 b 是一个 1 维数组,它是 a 的最后一个轴和 b 的乘积和.
如果 a 是一个 N 维数组,而 b 是一个 M 维数组（其中 M>=2）,它是 a 的最后一个轴和 b 的倒数第二个轴上的和积:
```
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
```

在可能的情况下,它使用优化的 BLAS 库（参见 numpy.linalg）.

参数:

aarray_like: 第一个参数.
barray_like: 第二个参数.
outndarray, 可选: 输出参数.这必须具有如果未使用它时将返回的确切类型.特别是,它必须具有正确的类型,必须是C连续的,并且其dtype必须是`dot(a,b)`返回的dtype.这是一个性能特性.因此,如果这些条件不满足,则会引发异常,而不是试图变得灵活.

返回:

outputndarray: 返回 a 和 b 的点积.如果 a 和 b 都是标量或都是一维数组,则返回一个标量;否则返回一个数组.如果给出了 out,则返回它.

引发:

ValueError: 如果 a 的最后一个维度的大小与 b 的倒数第二个维度的大小不同.

参见

vdot: 复共轭点积.
tensordot: 对任意轴求和产品.
einsum: 爱因斯坦求和约定.
matmul: ‘@’ 运算符作为带有 out 参数的方法.
linalg.multi_dot: 链式点积.

示例

>>> import numpy as np
>>> np.dot(3, 4)
12

两个参数都没有进行复共轭:

>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)

对于二维数组,它是矩阵乘积:

>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
       [2, 2]])

>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128