python数组相乘，一维数组和二维数组

Python Numpy 实现一维数组与二维数组矩阵乘法
在 NumPy 中，可以使用 dot 函数或 @ 运算符来执行矩阵乘法。当涉及到一维数组和二维数组之间的运算时，需要注意的是：

如果希望将一维数组视为列向量，则其形状应为 (n,) 或者通过 .reshape(-1, 1) 转换为 (n, 1) 形状。
当一维数组作为行向量参与计算时，可以通过 .reshape(1, n) 来调整。

下面给出具体的例子说明如何在一维数组和二维数组之间进行矩阵乘法[^1]。
示例代码
假设有一维数组 vector 和二维数组 matrix
import numpy as np

# 定义一个一维数组 (大小为3)
vector = np.array([1, 2, 3])

# 定义一个3x3的二维数组
matrix = np.array([
[0, 1, 2],
[3, 4, 5],
[6, 7, 8]
])
登录后复制
将一维数组当作列向量与二维数组相乘
result_column_vector = matrix @ vector.reshape(-1, 1)

print(result_column_vector) # 输出结果为 shape=(3, 1) 的列向量
登录后复制
将一维数组当作行向量与二维数组相乘
result_row_vector = vector.reshape(1, -1) @ matrix

print(result_row_vector) # 输出结果为 shape=(1, 3) 的行向量
登录后复制
上述两种情况下得到的结果分别是不同方向上的投影，在实际应用中可以根据需求选择合适的方式处理数据[^4]。