如何用Numpy无循环实现不同形状数组相乘得到目标矩阵？

云原生阿岚

2026-8-13

纯Numpy实现方案

你需要的是利用Numpy的广播机制来实现，无需循环。核心思路是调整数组a的形状，让它和b满足广播条件，从而自动完成逐行的乘法运算。

具体实现步骤：

将一维数组a转换为二维数组（形状为(3, 1)），这样Numpy会自动将其沿第二维度扩展，匹配b的长度。
直接让调整后的a与b相乘，广播机制会帮你完成每行的a[i] * b运算。

代码示例：

import numpy as np

# 示例数组
a = np.array([1, 2, 3])  # 长度为3的一维数组
b = np.array([4, 5, 6])  # 长度任意的一维数组

# 转换a的形状并计算
result = a.reshape(3, 1) * b
# 或者用np.expand_dims，效果完全相同：
# result = np.expand_dims(a, axis=1) * b

print(result)

输出结果：

[[ 4  5  6]
 [ 8 10 12]
 [12 15 18]]

原理说明：

Numpy广播的核心规则是：

当两个数组维度数不同时，维度少的数组会自动在前面补维度，直到维度数一致。
对于每个维度，如果其中一个数组的该维度长度为1，就会沿着这个维度复制元素，匹配另一个数组的长度。

这里a.reshape(3,1)的形状是(3,1)，b的形状是(3,)，广播后：

a会被扩展为(3,3)，每行都是[a[0], a[0], a[0]]、[a[1], a[1], a[1]]、[a[2], a[2], a[2]]
b会被扩展为(3,3)，每列都是[b[0], b[0], b[0]]、[b[1], b[1], b[1]]、[b[2], b[2], b[2]]
对应元素相乘后，就得到了你需要的每行是a[i] * b的矩阵。