重复Numpy数组点积实现：Python函数编写求助

嘿，我来帮你搞定这个需求！你想要的就是让数组A连续和B做X次矩阵乘法对吧？之前循环写乱了没关系，我给你梳理出清晰的实现思路，不管是循环方式还是更高效的优化方式都给你安排上～

循环实现方式 #

这个思路很直接：先把结果初始化为A，然后重复X次和B做矩阵乘法就好。我给你写好带输入校验的完整函数，避免因为输入格式不对出问题：

import numpy as np

def multiply_sequentially(A, B, X):
    # 校验输入形状是否符合要求
    if A.shape != (1, 2) or B.shape != (2, 2):
        raise ValueError("A必须是形状为(1,2)的Numpy数组，B必须是形状为(2,2)的Numpy数组")
    # 校验X是否为合法的正整数
    if not isinstance(X, int) or X < 1:
        raise ValueError("X必须是大于等于1的整数")
    
    # 初始化结果为A的副本，避免修改原数组
    result = A.copy()
    # 循环X次，每次执行矩阵乘法
    for _ in range(X):
        result = result.dot(B)
    return result

测试示例 #

你可以用下面的代码测试一下，看看是不是符合你的预期：

# 定义测试用的数组
A = np.array([[1, 2]])
B = np.array([[3, 4], [5, 6]])

print("X=1的结果：")
print(multiply_sequentially(A, B, 1))  # 输出 [[13 16]]
print("X=2的结果：")
print(multiply_sequentially(A, B, 2))  # 输出 [[119 148]]
print("X=3的结果：")
print(multiply_sequentially(A, B, 3))  # 输出 [[1097 1348]]

更高效的优化方式 #

如果X的数值很大，手动循环的效率会比较低。这时候可以用Numpy自带的np.linalg.matrix_power函数直接计算B的X次幂，再和A相乘，代码更简洁，效率也更高：

def multiply_with_matrix_power(A, B, X):
    # 同样先做输入校验
    if A.shape != (1, 2) or B.shape != (2, 2):
        raise ValueError("A必须是形状为(1,2)的Numpy数组，B必须是形状为(2,2)的Numpy数组")
    if not isinstance(X, int) or X < 1:
        raise ValueError("X必须是大于等于1的整数")
    # 直接计算B的X次幂，再和A做矩阵乘法
    return A.dot(np.linalg.matrix_power(B, X))

这个函数的输出和循环实现完全一致，但内部用了优化的矩阵幂算法，处理大X值时速度会快很多。

内容的提问来源于stack exchange，提问作者user9701465