python numpy ValueError：操作数不能与形状一起广播

在numpy中，我有两个“数组”，X是(m,n)和y是一个向量(n,1)

使用

X*y

我收到错误

ValueError: operands could not be broadcast together with shapes (97,2) (2,1) 

何时 (97,2)x(2,1)显然是合法的矩阵运算，应该给我一个(97,1)向量

编辑：

我已使用纠正了此X.dot(y)问题，但原始问题仍然存在。

dot是矩阵乘法，但*还有其他功能。

我们有两个数组：

• X，形状（97,2）
• y，形状（2,1）

使用Numpy数组时，该操作

X * y

可以逐个元素地完成，但是可以在一个或多个维度上扩展其中一个或两个值以使其兼容。此操作称为广播。尺寸为1或缺少尺寸的尺寸可用于广播。

在上面的示例中，尺寸不兼容，因为：

97   2
 2   1

此处在第一维中有冲突的数字（97和2）。这就是上面的ValueError所抱怨的。第二个维度可以，因为数字1不会与任何东西冲突。

有关广播规则的更多信息，请访问：http : //docs.scipy.org/doc/numpy/user/basics.broadcasting.html

（请注意，如果X和y的类型为numpy.matrix，则星号可以用作矩阵乘法。我的建议是远离numpy.matrix，它会使事情变得复杂，而不是简化事情。）

您的数组应该可以使用numpy.dot; 如果您在遇到错误numpy.dot，则必须有其他错误。如果形状不适用于numpy.dot，则会得到另一个异常：

ValueError: matrices are not aligned

如果仍然出现此错误，请发布问题的最小示例。与形状像您的数组的乘法示例成功：

In [1]: import numpy

In [2]: numpy.dot(numpy.ones([97, 2]), numpy.ones([2, 1])).shape
Out[2]: (97, 1)

每个numpy文档：

在两个数组上运算时，NumPy逐元素比较其形状。它从尾随尺寸开始，一直向前发展。在以下情况下，两个维度兼容：

• 它们相等，或者
• 其中之一是1

换句话说，如果您试图将两个矩阵相乘（在线性代数意义上），那么您就想要，X.dot(y)但是如果您尝试将标量从矩阵广播y到，X则需要执行X * y.T。

例：

>>> import numpy as np
>>>
>>> X = np.arange(8).reshape(4, 2)
>>> y = np.arange(2).reshape(1, 2)  # create a 1x2 matrix
>>> X * y
array([[0,1],
       [0,3],
       [0,5],
       [0,7]])

该错误可能不是在点积中发生的，而是在此之后发生的。例如试试这个

a = np.random.randn(12,1)
b = np.random.randn(1,5)
c = np.random.randn(5,12)
d = np.dot(a,b) * c

np.dot（a，b）会很好的；但是np.dot（a，b）* c显然是错误的（12x1 X 1x5 = 12x5不能逐个元素乘以5x12），但是numpy会给你

ValueError: operands could not be broadcast together with shapes (12,1) (1,5)

错误是令人误解的。但是那条线上有一个问题。

使用np.mat(x) * np.mat(y)，它将起作用。

您正在寻找np.matmul(X, y)。在Python 3.5+中，您可以使用X @ y。

我们可能会混淆a * b是点积。

但实际上，它是广播。

点积： a.dot（b）

广播：

术语广播是指numpy在算术运算期间如何处理具有不同尺寸的数组，这会导致某些约束，较小的数组将在较大的数组上广播，以使它们具有兼容的形状。

（m，n）+-/ *（1，n）→（m，n）：该操作将应用于m行