有效地將矩陣與自身相乘，然後將其抵消一個numpy

我正在嘗試編寫一個函數，該函數需要一個矩陣A，然後將其偏移一個，然後在共享區域上執行元素明智的矩陣乘法。也許一個例子會有所幫助。假設我有矩陣：有效地將矩陣與自身相乘，然後將其抵消一個numpy

A = np.array([[1,2,3],[4,5,6],[7,8,9]])

什麼我想返回的是：（1 * 2）+（4 * 5）+（7 * 8）= 78

下面的代碼做它但inefficently：

import numpy as np 

A = np.array([[1,2,3],[4,5,6],[7,8,9]]) 

Height = A.shape[0] 
Width = A.shape[1] 

Sum1 = 0 
for y in range(0, Height):  
     for x in range(0,Width-2): 
      Sum1 = Sum1 + \ 
       A.item(y,x)*A.item(y,x+1) 
      print("%d * %d"%(A.item(y,x),A.item(y,x+1))) 

print(Sum1)

隨着輸出：

這是我嘗試寫的代碼更efficentl y with numpy：

import numpy as np 

A = np.array([[1,2,3],[4,5,6],[7,8,9]]) 

print(np.sum(np.multiply(A[:,0:-1], A[:,1:])))

不幸的是，這一次我得到了186個。我不知道該怎麼去錯了。我喜歡有人來糾正我或提供另一種方式來實現這一點。

謝謝。

來源

2016-08-15 Bloodworth

您需要提供更準確的描述。爲什麼你的操作不會對'A'的最後一列做任何事情？這是如何「在共享區域上元素明智的矩陣乘法」？ – user2357112

'np.dot（A [：，0]，A [：，1]）'返回'78'。 – Psidom

IIUC您需要沿第一個軸使用求和：'np.sum（np.multiply（A [：，0：-1]，A [：，1：]），axis = 0）'。使用'default np.sum（）'，它將所有內容總結爲一個標量。 – Divakar

在這3列的情況下，你只是乘以1日2列，並採取總和：

A[:,:2].prod(1).sum() 
Out[36]: 78

同(A[:,0]*A[:,1]).sum()

現在只是如何不會推廣到更多的列？

在原來的循環，你可以通過這個列表的總和切出該行迭代：

[A[:,x]*A[:,x+1] for x in range(0,A.shape[1]-2)] 
Out[40]: [array([ 2, 20, 56])]

有關共享面積乘以你的描述會談;你在做什麼方向的偏移量？從計算看來，偏移量是負值。

A[:,:-1] 
Out[47]: 
array([[1, 2], 
     [4, 5], 
     [7, 8]])

如果是這樣的偏移邏輯，不是我可以重寫我的計算是

A[:,:-1].prod(1).sum()

應該有更多的列上工作。

===================

你的第二個嘗試：

In [3]: [A[:,:-1],A[:,1:]] 
Out[3]: 
[array([[1, 2], 
     [4, 5], 
     [7, 8]]), 
array([[2, 3], 
     [5, 6], 
     [8, 9]])]  

In [6]: A[:,:-1]*A[:,1:] 
Out[6]: 
array([[ 2, 6], 
     [20, 30], 
     [56, 72]]) 

In [7]: _.sum() 
Out[7]: 186

換句話說，而不是1 * 2，你正在計算[1,2] * [2 * 3] = [2,6]。沒有錯，如果那是你真正打算的。關鍵在於「抵消」和「重疊」。

來源

2016-08-15 18:54:50 hpaulj

有效地將矩陣與自身相乘，然後將其抵消一個numpy

回答

相關問題