如何将np.dot(vector_a, vector_b[:,i])向量化处理，以适用于i的范围？

Question

我有一个形状为（3,1）的numpy数组“vector_a”。如果我用一个形状为（1,3）的向量“vector_b”与它相乘，我会得到一个形状为（3,3）的结果。

现在，“vector_b”实际上是一个列向量的numpy数组，形状为（3，N）。我想将这些列向量中的每一个都与“vector_a”相乘，以产生N个形状为（3,3）的矩阵，结果形状为（N，3,3）。

我已经进行了以下操作：

r = np.dot(vector_a.reshape(1,3,1), vector_b.T.reshape(N, 1, 3))

我本来期望r的形状是(N,3,3)，但实际得到的形状为(1,3,64,3)？？？我不知道为什么会出现这种情况。vector_a和vector_b都是C连续的。在进行vector_b.T.reshape(N, 1, 3)之前，我尝试将vector_b转换为F连续，但我仍然得到相同的r形状(1,3,64,3)。

有人知道如何编写正确的表达式吗？

- martinako

---

“dot” 对于大于二维的数组有什么说法？ - hpaulj

谢谢，我没有读过那个。但是我仍然无法让它工作... - martinako

这确实不是一个“点”情况。einsum表达式没有求和任何东西。它可以通过简单的乘法（和广播）b.T[:,:,None] * a.T[None,:,:]来完成。 - hpaulj

Answer 1

作为替代方案，如果您使用einsum，您可以避免重新调整数组大小来进行点乘：

np.einsum('ij,jk->kij', vector_a, vector_b)

- Alex Riley

---

我仍然需要完全理解einsum，但这个方法可行！谢谢 - martinako

没问题！einsum非常有用 - 这里有各种答案解释它（包括我写的一个;-)）。 - Alex Riley

Answer 2

这里使用了 broadcasting 和 ndarray.T 来实现 -

vector_b.T[:,None,:]*vector_a

- Divakar