Làm thế nào để có được phép nhân ma trận khôn ngoan nguyên tố (tích Hadamard) trong numpy?

Tôi có hai ma trận

a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])

và tôi muốn có được sản phẩm khôn ngoan [[1*5,2*6], [3*7,4*8]], bằng

[[5,12], [21,32]]

Tôi đã thử

print(np.dot(a,b)) 

và

print(a*b)

nhưng cả hai đều cho kết quả

[[19 22], [43 50]]

là sản phẩm ma trận, không phải là sản phẩm khôn ngoan. Làm cách nào để có được sản phẩm thông minh (còn gọi là sản phẩm Hadamard) bằng các chức năng tích hợp sẵn?

Để nhân từng phần tử của matrixcác đối tượng, bạn có thể sử dụng numpy.multiply:

import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])
np.multiply(a,b)

Kết quả

array([[ 5, 12],
       [21, 32]])

Tuy nhiên, bạn thực sự nên sử dụng arraythay vì matrix. matrixcác đối tượng có đủ loại điểm không tương thích khủng khiếp với ndarrays thông thường. Với ndarrays, bạn chỉ có thể sử dụng *để nhân từng phần tử:

a * b

Nếu bạn đang sử dụng Python 3.5+, bạn thậm chí không mất khả năng thực hiện phép nhân ma trận với một toán tử, vì @phép nhân ma trận bây giờ :

a @ b  # matrix multiplication

chỉ cần làm điều này:

import numpy as np

a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])

a * b

import numpy as np
x = np.array([[1,2,3], [4,5,6]])
y = np.array([[-1, 2, 0], [-2, 5, 1]])

x*y
Out: 
array([[-1,  4,  0],
       [-8, 25,  6]])

%timeit x*y
1000000 loops, best of 3: 421 ns per loop

np.multiply(x,y)
Out: 
array([[-1,  4,  0],
       [-8, 25,  6]])

%timeit np.multiply(x, y)
1000000 loops, best of 3: 457 ns per loop

Cả hai np.multiplyvà *sẽ mang lại phép nhân khôn ngoan phần tử được gọi là Sản phẩm Hadamard

%timeit ipython có phải là phép thuật không

Thử cái này:

a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])

#This would result a 'numpy.ndarray'
result = np.array(a) * np.array(b)

Ở đây, np.array(a)trả về kiểu mảng 2D ndarrayvà phép nhân hai ndarraysẽ dẫn đến phép nhân khôn ngoan phần tử. Vì vậy, kết quả sẽ là:

result = [[5, 12], [21, 32]]

Nếu bạn muốn có một ma trận, hãy thực hiện với điều này:

result = np.mat(result)