NumPy中1d数组与2d数组相乘得到指定结果的计算逻辑

你得到的一维输出是NumPy广播机制与向量点积规则共同作用的结果，具体规则和计算过程如下：

核心运算规则 #

• 先明确两个数组的基础属性：
  • 二维数组w形状为(5,5)，即5行5列结构
  • 一维数组c形状为(5,)，长度为5
• 如果直接用*做逐元素乘法，NumPy会自动触发广播机制：从数组最右侧维度开始对齐校验，两个数组最右侧维度长度均为5，满足广播兼容要求，会自动把一维数组c扩展为(5,5)形状的二维数组——扩展后的数组每一行都和原c完全一致，再和w对应位置的元素做逐元素相乘，得到5×5的中间结果。
• 你最终拿到长度为5的一维数组，说明你在逐元素相乘后沿列方向（axis=0）做了求和聚合，或者直接使用了矩阵乘法c @ w（行向量乘矩阵）：此时每个输出元素对应c和w的某一列的点积，也就是两个数组同位置元素相乘后求和。

具体计算逻辑 #

输出数组的第n个元素，对应w的第n列和c的点积：

• 第一个输出元素对应w第一列[50,55,60,65,70]与c计算：50*c[0] + 55*c[1] + 60*c[2] + 65*c[3] +70*c[4]
• 第二个输出元素对应w第二列[51,56,61,66,71]与c计算：51*c[0] + 56*c[1] + 61*c[2] + 66*c[3] +71*c[4]
• 后续元素以此类推。由于w每一列的元素都比前一列同位置的元素大1，因此输出结果是公差为c所有元素之和的等差数列，和你给出的结果递增规律完全吻合。

注：你贴出的c值计算出的理论结果和实际输出存在小幅偏差，大概率是贴出的c做了四舍五入近似，和代码运行时的实际值有精度差异。

易混淆点提醒 #

不要把该运算和w @ c（矩阵乘列向量）混淆：w @ c是沿行方向求和，每个输出对应w的一行和c的点积，虽然最终也是长度为5的一维数组，但数值结果完全不同。

内容的提问来源于stack exchange，提问作者user18220834