Python Numpy中多个数组的逐元素乘法

Question

编写一些量子力学例程时，我发现 Python 的 NumPy 存在一个奇怪的行为。当我使用 NumPy 的 multiply 函数时使用超过两个数组，我会得到错误的结果。在下面的代码中，我必须这样写：

f = np.multiply(rowH,colH)
A[row][col]=np.sum(np.multiply(f,w))

该程序可以产生正确的结果。然而，我最初的表述是：

A[row][col]=np.sum(np.multiply(rowH, colH, w))

它不会产生错误信息，但会得出错误的结果。我在想，我将三个数组输入给NumPy的乘法例程，错在哪里?

以下是完整的代码:

from numpy.polynomial.hermite import Hermite, hermgauss
import numpy as np
import matplotlib.pyplot as plt

dim = 3
x,w = hermgauss(dim)
A = np.zeros((dim, dim))
#build matrix
for row in range(0, dim):
    rowH = Hermite.basis(row)(x)
    for col in range(0, dim):
        colH = Hermite.basis(col)(x)
        #gaussian quadrature in vectorized form
        f = np.multiply(rowH,colH)
        A[row][col]=np.sum(np.multiply(f,w))
print(A)

::注意::该代码仅支持NumPy 1.7.0及以上版本！

- seb

Answer 1

你的问题在于没有阅读文档：

numpy.multiply(x1, x2[, out])

multiply函数只接受两个输入数组。可选的第三个参数是一个输出数组，可用于存储结果。（如果未提供，则创建并返回一个新数组。）当您传递三个数组时，第三个数组会被第一和第二个数组的乘积重写。

- BrenBarn

---

好的，我的错 :-）。我应该删除这篇帖子还是你认为它对其他人有用？ - seb

留下它。帮了我 :) - mrjrdnthms

那么，在最新版本中，是否有将多个数组乘在单个调用中的选项，或者我们必须链接这些调用？ - Nagabhushan S N

Answer 2

对于任何偶然发现的人，将形状为(d, )的n个np.ndarray进行逐元素相乘的最佳方法是先使用np.vstack将它们堆叠起来，然后在第一个轴上应用np.prod：

>>> import numpy as np
>>>
>>> arrays = [
...   np.array([1, 2, 3]),
...   np.array([5, 8, 2]),
...   np.array([9, 2, 0]),
... ]
>>>
>>> print(np.prod(np.vstack(arrays), axis=0))
[45 32  0]

- valentin

---

假设输入的数组是一维的。如果输入的是多维数组，使用 np.prod(np.array(arrays), axis=0)) 效果更好。 - Shlomi A

Answer 3

是的！就像对np.arrays做*一样简单。最初的回答。

import numpy as np
a=np.array([2,9,4])
b=np.array([3,4,5])
c=np.array([10,5,8])
d=a*b*c
print(d)

产生：

[ 60 180 160]

- Sergio Morales

Answer 4

我看到这个问题是因为我想知道将多个数组相乘的最快方法。我最终编写了一个基准测试，我对结果感到惊讶。

我测试了3种方法：

1. 使用纯Python语法 a * b * c * d
2. 使用np.multiply.reduce
3. 使用np.stack，然后是np.prod(..., axis=0)

我使用多个数组和数组大小进行了测试。我很惊讶地发现方法1往往是最好的。

蓝色、橙色和绿色线分别对应于方法1、2和3。线的样式表示相乘的数组数。

结果出奇的一致。即使有8个数组，似乎使用 a * b * c * d * e * f * g * h 更快。我不完全确定为什么会这样。也许Python看到这个表达式并执行分治组合风格，而reduce则完全是线性的？

基准测试的代码在这里：

https://github.com/Erotemic/misc/blob/main/tests/python/bench_np_reduce_vs_repeat.py

- Erotemic