如何将多个NumPy样本与单个样本相乘并沿轴1行向求和？

通用场景实现 #

针对N个D维样本（形状(N, D)）与单个D维样本（形状(1, D)）相乘后沿轴1求和的需求，有两种高效实现方式：

• 方法1：广播相乘 + 轴求和
  利用NumPy的广播机制完成逐元素相乘，再沿特征轴（轴1）求和，通过keepdims=True维持结果的二维形状：

  import numpy as np
  
  # X为N个样本数组，y为单个样本数组
  result = (X * y).sum(axis=1, keepdims=True)
  

• 方法2：矩阵点积
  该操作本质等价于矩阵点积：将单个样本转置为(D, 1)形状后，与N个样本数组做点积，直接得到(N, 1)的结果：

  result = X @ y.T
  

具体场景示例 #

针对形状为(10, 5)的样本数组与(1, 5)的单个样本，具体实现代码如下：

import numpy as np

# 创建示例数据
X = np.random.rand(10, 5)  # 10个样本，每个含5个特征
y = np.random.rand(1, 5)   # 单个5维样本

# 方法1执行
result1 = (X * y).sum(axis=1, keepdims=True)
print(result1.shape)  # 输出：(10, 1)

# 方法2执行
result2 = X @ y.T
print(result2.shape)  # 输出：(10, 1)

# 验证两种方法结果一致性
print(np.allclose(result1, result2))  # 输出：True

内容的提问来源于stack exchange，提问作者Ben Arnao