Python Numpy矩阵乘法使用循环将多个矩阵相乘
Posted
技术标签:
【中文标题】Python Numpy矩阵乘法使用循环将多个矩阵相乘【英文标题】:Python Numpy matrix multiplication using loop to multiply multiple matrices together 【发布时间】:2020-07-18 15:04:02 【问题描述】:我编写了代码来创建名称为matrixi
的矩阵,其中i
被当前循环号替换:
for i in range(len(node2)):
if sOrP[i] == 'S':
#print('series connection')
matrixTemplate = numpy.array([[1.0, 0.0], [0.0, 1.0]]) #Got to put 1.0 else it doesnt work
matrixTemplate[0][1] = frequenciesList[0][i]
globals()['matrix%s' % i] = matrixTemplate
#print(matrixTemplate)
elif sOrP[i] == 'P':
#print('parallel connection')
matrixTemplate = numpy.array([[1.0, 0.0], [0.0, 1.0]])
matrixTemplate[1][0] = 1 / frequenciesList[0][i]
globals()['matrix%s' % i] = matrixTemplate
#print(matrixTemplate)
然后我需要将创建的矩阵相乘:
Ty = matrix0 @ matrix1 @ matrix2 @ matrix3 @ matrix4 @ matrix5 @ matrix6 @ matrix7 @ matrix8 @ matrix9
这可行,但代码必须能够接受多个输入,并可能创建更多或更少的矩阵。在这种情况下,它不会起作用。
是否可以使用循环或函数进行乘法部分?
【问题讨论】:
【参考方案1】:您可以使用列表(或字典)来保存您的矩阵:
matrices = []
for i in range(len(node2)):
if (sOrP[i] == 'S'):
#print('series connection')
matrixTemplate = numpy.array([[1.0, 0.0],[0.0, 1.0]]) #Got to put 1.0 else it doesnt work
matrixTemplate[0][1] = frequenciesList[0][i]
matrices.append(matrixTemplate)
#print(matrixTemplate)
elif (sOrP[i] == 'P'):
#print('parallel connection')
matrixTemplate = numpy.array([[1.0, 0.0],[0.0, 1.0]])
matrixTemplate[1][0] = 1/frequenciesList[0][i]
matrices.append(matrixTemplate)
#print(matrixTemplate)
然后使用reduce
和numpy.matmul
计算您的总矩阵乘积:
from functools import reduce
Ty = reduce(numpy.matmul, matrices)
【讨论】:
【参考方案2】:您可以使用循环或 numpy 函数。
循环实现:
matrixes = [M1, M2, ..., Mn]
A = matrixes[0]
for i in range(1, len(matrixes)):
B = matrixes[i]
A = np.dot(A, B)
第一次迭代:A = M1,B = M2; M1.M2
第二次迭代:A = M1.M2,B = M3; M1.M2.M3
...
Numpy 函数:numpy.linalg.multi_dot(matrixes)
【讨论】:
顺便说一句,np.linalg.multi_dot
的想法与 dzang 所描述的完全相同,但使用np.dot
而不是np.matmul
。想知道dot和matmul的区别可以看这个post。【参考方案3】:
设置你所做的变量是一种非常糟糕的方式,你似乎已经意识到了。如果你的矩阵都是很好的正方形,你只需要一个变量来保存整个堆栈,形状为(len(node2), 2, 2)
。
另一点是您的索引。 Numpy 数组不是列表。你的索引应该看起来像[1, 0]
,而不是[1][0]
。像下面这个无耻的插件这样的答案解释了原因:https://***.com/a/60919478/2988730。
假设sOrP
和frequenciesList
是numpy 数组。如果不是,请将它们封装在对np.array
的调用中。您可以像这样制作堆栈:
matrices = np.broadcast_to([[[1, 0], [0, 1]]], (len(node2), 2, 2)).copy()
maskS = (sOrP == 'S')
maskP = (sOrP == 'P')
matrices[maskS, 0, 1] = frequenciesList[maskS]
matrices[maskP, 1, 0] = 1 / frequenciesList[maskP]
您可以验证matrices[i]
是否等同于您原始构造中的matrixi
。
将所有矩阵相乘的简单方法是使用循环:
Ty = np.eye(2)
for mat in matrices:
Ty @= mat
但是 numpy 是关于向量化的。碰巧的是,np.linalg.multidot
是为了优化这个精确的操作:
Ty = np.linalg.multidot(matrices)
【讨论】:
以上是关于Python Numpy矩阵乘法使用循环将多个矩阵相乘的主要内容,如果未能解决你的问题,请参考以下文章
比较 Python、Numpy、Numba 和 C++ 的矩阵乘法