如何计算两个二维numpy数组对应索引子数组的点积？

嗨，完全不用不好意思呀，新手刚开始接触numpy有疑问太正常了！我来给你分享几种高效实现这个需求的方法：

方法一：元素相乘后按轴求和 #

这是最直观也最常用的方式，利用numpy的向量化操作，先让两个数组对应位置的元素相乘，再沿着子数组的维度（也就是axis=1）求和，就能得到每个索引位置子数组的点积：

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
b = np.array([[2, 2], [3, 3], [4, 4]])

result = (a * b).sum(axis=1)
print(result)  # 输出：[ 6 21 44]

方法二：使用np.einsum #

如果你想更灵活地控制维度运算，np.einsum是个很棒的工具，它的语法可以清晰指定运算规则：

result = np.einsum('ij,ij->i', a, b)
print(result)  # 输出：[ 6 21 44]

这里'ij,ij->i'的意思是：对两个数组的第i个元素组（每个子数组），计算它们j维度上的元素乘积之和，最终输出一维数组。

小提醒：优先用向量化操作 #

虽然用Python循环遍历每个子数组计算点积也能实现，但numpy的向量化操作是基于C实现的，当n很大的时候，效率会比循环高很多，所以优先用上面的方法哦～

内容的提问来源于stack exchange，提问作者minovsky