1、对于矩阵（matrix）而言 multiply是对应元素相乘，而 * 、np.matmul() 函数 与 np.dot()函数 相当于矩阵乘法（矢量积），对应的列数和行数必须满足乘法规则；如果希望以数量积的方式进行，则必须使用 np.multiply 函数，如下所示： 结果是 [[ 1 4 9 16 25]] a = np.mat([[1, 2, 3, 4, 5]]) b = np.mat([ [1],[2],[3],[4],[5] ] ) d=a*b print(d) #a是shape（1,5），b是shape（5,1），结果是一个实数 结果是 [[55]] 2、对于数组（Array）而言 * 与 multiply均表示的是数量积（即对应元素的乘积相加），np.matmul与np.dot表示的是矢量积（即矩阵乘法）。 代码： python中转置的优先级高于乘法运算 例如： a = np.mat([[2, 3, 4]]) b = np.mat([[1,2,3]] ) d=a*b.T print(d) 结果是 [[20]] 其中a为1行3列，b也为1行3列，按理来说直接计算a*b是不能运算，但是计算d=a*b.T是可以的，结果是20，说明运算顺序是先转置再计算a与b转置的积，*作为矩阵乘法，值得注意的在执行*运算的时候必须符合行列原则。 numpy中tile（）函数的用法 b = tile(a,(m,n)):即是把a数组里面的元素复制n次放进一个数组c中，然后再把数组c复制m次放进一个数组b中，通俗地讲就是将a在行方向上复制m次，在列方向上复制n次。 python中的 sum 和 np.sum 是不一样的，如果只写sum的话，表示的是数组中对应的维度相加，如果写 np.sum 的话，表示一个数组中的维数和列数上的数都加在一起。 如下图所示： 补充：总结：numpy中三个乘法运算multiply,dot和* 的区别 引言： 本人在做机器学习的练习1的时候，时常抛出错误： Not aligned是什么意思呢？ 意思是两个矩阵相乘无意义。 线性代数中mxn 和 nxp的矩阵才能相乘，其结果是mxp的矩阵。 出错源代码： 这里error是一个nx1的矩阵，theta.T也是一个nx1的矩阵。 而矩阵之间*运算符表示矩阵乘法。我们这里想实现矩阵的对应元素相乘，因此应该用np.multiply()实现。 总结： （读者可使用简单的举例自行验证） 1.*用法： 矩阵与矩阵：矩阵乘法(matrix) 数组与数组：对应位置相乘(array) 2.np.dot()用法： 矩阵相乘的结果 3.np.multiply()用法： 数组、矩阵都得到对应位置相乘。 以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。 您可能感兴趣的文章:Python NumPy灰度图像的压缩原理讲解Python多进程共享numpy 数组的方法python中sqllite插入numpy数组到数据库的实现方法python图像处理基本操作总结（PIL库、Matplotlib及Numpy）浅谈Python numpy创建空数组的问题Python NumPy中diag函数的使用说明Python机器学习三大件之一numpypython利用numpy存取文件案例教程