京公网安备 11010802034615号
经营许可证编号:京B2-20210330
numpy.einsum是NumPy库提供的一个强大的函数,它可以对多维数组进行高效的计算和操作。einsum函数的全称为“Einstein Summation”,它的主要功能是对多个数组进行运算并且输出结果。在这篇文章中,我们将通过介绍einsum函数的使用方式和示例来帮助你更好地理解和运用它。
einsum函数的基本语法如下:
numpy.einsum(subscripts, *operands, out=None, dtype=None, order='K', casting='safe',
optimize=False)
其中,subscripts参数是一个字符串,用于指定计算的方式和输出结果的格式;operands参数则是一个或多个需要参与计算的数组。其他参数包括:
subscripts参数是einsum函数最重要的参数之一,它用于指定计算方式和输出结果的格式。在subscripts参数中,每个字母都代表一个维度,而逗号则表示不同的数组之间。例如,对于两个形状分别为(3, 4)和(4, 5)的二维数组A和B,我们可以使用以下方式来计算它们的矩阵乘积:
import numpy as np
A = np.random.rand(3, 4)
B = np.random.rand(4, 5)
C = np.einsum('ij,jk->ik', A, B)
print(C)
在这个例子中,'ij,jk->ik'就是subscripts参数,它表示了矩阵乘法的计算方式。具体来说,'ij'表示第一个数组(即A)的前两个维度,'jk'表示第二个数组(即B)的后两个维度,而'->ik'则表示输出结果的维度应该是前两个维度与后两个维度的交叉相乘。
除了使用单个字母代表维度之外,我们还可以使用多个字母组合来表示某些轴上的求和。例如,如果我们想要计算一个三维数组的所有元素之和,可以使用以下代码:
import numpy as np
A = np.random.rand(3, 4, 5)
s = np.einsum('ijk->', A)
print(s)
在这个例子中,'ijk->'表示对三维数组A的所有元素求和。注意,'->'后面没有任何字母,这意味着输出结果不包含任何维度。
einsum函数不仅可以用于矩阵乘法,还可以广泛地应用到各种线性代数、物理和机器学习问题中。其中一个常见的应用就是计算张量乘积。对于两个形状分别为(n1, n2, ..., nk)和(m1, m2, ..., mk)的$k$阶张量$A$和$B$,它们的乘积$C$的形状为$(n_1m_1, n_2m_2, ..., n_km_k)$,它的元素由以下公式给出:
$$C_{i_1m_1 + j_1, i_2m_2 + j_2, ..., i_km_k + j_k} = A_{i_1, i_2, ..., i_k}B_{j_1, j_2, ..., j_k}$$
其中$i_
在NumPy中,我们可以使用einsum函数来计算张量乘积。以下是一个简单的示例:
import numpy as np
A = np.random.rand(2, 3, 4)
B = np.random.rand(5, 4, 3)
C = np.einsum('ijk,lji->il', A, B)
print(C.shape) # 输出 (2, 5)
在这个示例中,我们定义了两个三维数组A和B,它们的形状分别为(2, 3, 4)和(5, 4, 3)。然后,我们使用einsum函数来计算它们的张量乘积,并将结果存储在数组C中。具体来说,我们使用字符串'ijk,lji->il'来指定计算方式,其中'ijk'表示第一个数组(即A)的三个维度,'lji'表示第二个数组(即B)的三个维度,而'->il'则表示输出结果应该是形状为(2, 5)的二维数组。
除了矩阵乘法和张量乘积之外,einsum函数还可以用于各种元素级别的计算。例如,我们可以使用einsum函数来计算多个数组的元素乘积。以下是一个简单的示例:
import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
C = np.array([7, 8, 9])
D = np.einsum('i,i,i->', A, B, C)
print(D) # 输出 104
在这个示例中,我们定义了三个一维数组A、B和C,并且使用einsum函数来计算它们的元素乘积。具体来说,我们使用字符串'i,i,i->'来指定计算方式,其中每个'i'都表示对应数组的元素,而'->'则表示输出结果不包含任何维度。输出结果为标量值104,它是A、B和C三个数组对应位置元素相乘的总和。
numpy.einsum函数是一个强大的工具,它可以用于各种复杂的多维数组计算和操作。本文介绍了einsum函数的语法和参数,以及几个常见的示例。如果你需要处理多维数组数据,或者需要进行一些高级的线性代数运算,那么einsum函数就是一个非常有用的工具。不过,在编写代码时,我们建议仔细查看einsum函数的文档,确保正确理解计算方式和输出结果的格式,以避免出现错误。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12