如何在numpy中获得按元素矩阵乘法（Hadamard积）？

我有两个矩阵

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

我想得到元素乘积[[1*5,2*6], [3*7,4*8]]，等于

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

我努力了

print(np.dot(a,b)) 

和

print(a*b)

但两者都给出结果

[[19 22], [43 50]]

这是矩阵乘积，而不是元素乘积。如何使用内置函数获取按元素分类的产品（又名Hadamard产品）？

对于matrix对象的元素乘法，可以使用numpy.multiply：

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

结果

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

但是，您应该真正使用array而不是matrix。matrix对象与常规ndarray具有各种可怕的不兼容性。使用ndarrays时，您可以仅使用*元素级乘法：

a * b

如果您使用的是Python 3.5+，则您甚至都不会失去使用运算符执行矩阵乘法的能力，因为@矩阵乘法现在可以：

a @ b  # matrix multiplication

只是这样做：

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

两者np.multiply和*都会产生元素明智的乘法，称为Hadamard积

%timeit 是ipython的魔力

试试这个：

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)

在此，np.array(a)返回类型为2D的2D数组，ndarray并且ndarray将导致元素相乘。因此结果将是：

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

如果您想获取矩阵，请执行以下操作：

result = np.mat(result)