Come ottenere la moltiplicazione della matrice in base agli elementi (prodotto Hadamard) in numpy?


102

Ho due matrici

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

e voglio ottenere il prodotto saggio di elemento,, [[1*5,2*6], [3*7,4*8]]uguale

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

Ho provato

print(np.dot(a,b)) 

e

print(a*b)

ma entrambi danno il risultato

[[19 22], [43 50]]

che è il prodotto matrice, non il prodotto saggio degli elementi. Come posso ottenere il prodotto element-wise (noto anche come prodotto Hadamard) utilizzando le funzioni integrate?


4
Sei sicuro ae bnon sei il tipo di matrice di NumPy? Con questa classe, *restituisce il prodotto interno, non per elemento. Ma per la solita ndarrayclasse, *significa prodotto per elementi.
bnaecker

sono ae bnumpy array? Inoltre, nella tua domanda sopra, stai usando xe yper il calcolo invece di ae b. È solo un errore di battitura?
jtitusj

aeb sono elementi di tipo matrice
numpy

8
Usa sempre array numpy e non matrici numpy. Guarda cosa dicono i docs numpy su questo. Si noti inoltre che da python 3.5+, è possibile utilizzare @per la moltiplicazione di matrici con array numpy, il che significa che non dovrebbe esserci assolutamente alcuna buona ragione per usare matrici su array.
Praveen

3
Per essere pignoli, ae bsono liste. Lavoreranno in np.dot; ma non in a*b. Se usi np.array(a)o np.matrix(a), *funziona ma con risultati diversi.
hpaulj

Risposte:


154

Per la moltiplicazione elementare degli matrixoggetti, puoi usare numpy.multiply:

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

Risultato

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

Tuttavia, dovresti davvero usare al arrayposto di matrix. matrixgli oggetti hanno tutti i tipi di orribili incompatibilità con i normali ndarrays. Con ndarrays, puoi usare solo *per la moltiplicazione elementwise:

a * b

Se sei su Python 3.5+, non perdi nemmeno la capacità di eseguire la moltiplicazione di matrici con un operatore, perché @ora la moltiplicazione di matrici :

a @ b  # matrix multiplication

11
Giusto per aggiungere un po 'di contesto: in Algebra, questa operazione è nota come Prodotto Hadamard , ed è diversa dal più comune prodotto a matrice. en.wikipedia.org/wiki/Hadamard_product_(matrices)
FaCoffee

36

basta fare questo:

import numpy as np

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

a * b

1
nop, dà la moltiplicazione della matrice. Cloud risolverlo usando numpy.multiply
Malintha

2
Quale versione e versione minore di Python stai utilizzando? E di numpy?
smci

1
Utilizzando Intel Python 3.5.2 con numpy 1.12.1, l' *operatore sembra eseguire la moltiplicazione in termini di elementi.
apnorton

1
Questo funziona anche per me con Numpy 1.12.1 su Python 3.5.2 (costruito usando gcc).
Autodidatta

6
@Malintha, penso che tu stia facendo a = np. ** matrice ** ([[1,2], [3,4]]) invece
SeF

11
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

Entrambi np.multiplye *produrrebbero una moltiplicazione saggia degli elementi nota come Prodotto Hadamard

%timeit è ipython magico


1

Prova questo:

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)

Qui, np.array(a)restituisce un array 2D di tipo ndarraye la moltiplicazione di due ndarrayrisulterebbe moltiplicazione saggia dell'elemento. Quindi il risultato sarebbe:

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

Se vuoi ottenere una matrice, fallo con questo:

result = np.mat(result)

Per favore, spiega cosa fa.
Leopold Joy

2
@LeopoldJoy Ho appena modificato la mia risposta, spero che questo aiuti :))
Amir Rezazadeh
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.