Numpy 2-D和3-D矩阵“行”乘法

Question

我开始学习numpy，并尝试在2维和3维矩阵之间进行一种奇怪的矩阵乘法。我有一个功能可以满足我的需求，但是我很好奇是否有更好的方法可以做到。

让我们考虑一下，我们有一个矩阵（M1）的尺寸为（KxNxN），另一个矩阵为M2（KxNxN）的尺寸。我正在尝试将M1的每（1xN）行与M2的相应（NxN）矩阵相乘。这是我的带有示例矩阵的代码：

a = [[1., 2., 3.],
     [0., 9., 8.]]
a = np.array(a)
b = [[[.5, .5, .5],
      [.5, .5, .5],
      [.5, .5, .5]],
     [[.25, .25, .25],
      [.25, .25, .25],
      [.25, .25, .25]]]
b = np.array(b)

c = [[5., 5., 5., 5., 5.]]
c = np.array(c)
d = [[[.1, .1, .1, .1, .1],
      [.2, .2, .2, .2, .2],
      [.3, .3, .3, .3, .3],
      [.4, .4, .4, .4, .4],
      [.5, .5, .5, .5, .5]]]
d = np.array(d)


def mul(x, y):
    result = []
    for i in range(len(x)):
        result.append(x[i] @ y[i])
    return np.array(result)


print(mul(a, b))
[[3.   3.   3.  ]
 [4.25 4.25 4.25]]
print(mul(c, d))
[[7.5 7.5 7.5 7.5 7.5]]

我认为这很清楚。我敢肯定有更好的方法可以做到这一点，但是到目前为止我还无法提出一种方法。我一直在尝试apply_along_axis和乘法，但是我可能完全偏离了轨道。

Answer 1

您可以使用np.einsum-

np.einsum('ij,ijk->ik',array1,array2)

或使用np.matmul或@运算符Python 3.x-

np.matmul(array1[:,None,:],array2)[:,0]
(array1[:,None,:] @ array2)[:,0]