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，则它是向量的内积（不进行复共轭）。
如果 a 和 b 都是二维数组，则它是矩阵乘法，但建议使用 matmul 或 a @ b。
如果 a 或 b 为 0-D（标量），则等效于 multiply，建议使用 numpy.multiply(a, b) 或 a * b。
如果 a 是一个 N 维数组，而 b 是一个一维数组，则它是 a 的最后一个轴和 b 的求和积。
如果 a 是一个 N 维数组，而 b 是一个 M 维数组（其中 M>=2），则它是 a 的最后一个轴和 b 的倒数第二个轴的求和积。
```
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
```

它在可能的情况下使用优化的 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。它必须与未使用它时返回的类型完全相同。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，如果不满足这些条件，则会引发异常，而不是尝试灵活处理。

返回值：

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，则返回标量；否则返回数组。如果提供了 out，则返回它。

引发：

ValueError: 如果 a 的最后一个维度与 b 的倒数第二个维度大小不相同。

另请参阅

vdot: 复共轭点积。
tensordot: 任意轴上的求和积。
einsum: 爱因斯坦求和约定。
matmul: 带有 out 参数的方法的“@”运算符。
linalg.multi_dot: 链式点积。

示例

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

两个参数都不进行复共轭

>>> 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