numpy.dot¶

numpy.dot(a, b, out=None)¶

两个数组的点积。明确地，

如果两者 a 和 b 是一维数组，它是向量的内积（没有复杂的共轭）。
如果两者 a 和 b 是二维数组，它是矩阵乘法，但使用 matmul 或 a @ b 优先考虑。
如果任一 a 或 b 为0-d（标量），相当于 multiply 并使用 numpy.multiply(a, b) 或 a * b 优先考虑。
如果 a 是一个n-d数组，并且 b 是一维数组，它是最后一个轴上的和积 a 和 b .
如果 a 是一个n-d数组，并且 b 是M-D数组（其中 M>=2 ）的最后一个轴的和积 a 第二个到最后一个轴 b ：：
```
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
```

参数

aarray_like: 第一个论点。
barray_like: 第二个论点。
outndarray，可选: 输出参数。如果不使用的话，它必须具有返回的类型。特别是，它必须具有正确的类型，必须是C-连续的，并且它的dtype必须是将为返回的dtype dot(a,b) . 这是一个性能特性。因此，如果不满足这些条件，将引发异常，而不是尝试灵活处理。

返回

output恩达雷: 返回的点积 a 和 b . 如果 a 和 b 如果是两个标量或两个一维数组，则返回一个标量；否则返回一个数组。如果 out 给出，然后返回。

加薪

ValueError: 如果的最后一个维度 a 与的第二个到最后一个维度的大小不同 b .

参见

vdot: 复共轭点积。
tensordot: 任意轴上的和积。
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。

实例

>>> np.dot(3, 4)
12

两个参数都不是复合共轭的：

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

对于二维数组，它是矩阵积：

>>> 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

线性代数 (numpy.linalg ） numpy.linalg.multi_dot