NumPy实现逐行点积与整数序列标量乘向量的方法

你原循环思路可行，但存在两处错误：

• np.size(a)返回的是数组总元素个数，不是行数，应当用a.shape[0]获取行数量
• 使用c.append前需要先初始化c = []

实际使用时不推荐手写循环，NumPy的向量化运算效率远高于Python层循环，以下两种写法都可以直接得到你预期的[0, 2]结果：

import numpy as np
a = np.array([[0,0,0],[0,0,1]])
b = np.array([[1,2,3],[1,3,2]])

# 写法1：可读性最高，逐元素相乘后按行求和
c1 = (a * b).sum(axis=1)

# 写法2：einsum实现，大规模数组运算时性能更优
c2 = np.einsum('ij,ij->i', a, b)

注意：避免使用np.diag(a @ b.T)的写法，该方法会先计算所有行组合的点积，再提取对角线结果，存在大量冗余计算，数据量较大时性能很差。

这个操作可以直接通过NumPy的广播机制实现，只需要把一维整数序列转为列向量（形状为(序列长度, 1)），再和向量做乘法即可自动广播得到你要的二维结果：

a = np.array([1, 2])
b = np.array([0, 1, 0])

c = a.reshape(-1, 1) * b
print(c)
# 输出：
# [[0 1 0]
#  [0 2 0]]

如果你不想用NumPy，纯Python列表场景下用列表推导即可实现：

a = [1, 2]
b = [0, 1, 0]
c = [[scalar * elem for elem in b] for scalar in a]

内容的提问来源于stack exchange，提问作者phantom551