NumPy参考 >例行程序 >线性代数（numpy.linalg） > numpy.dot
numpy.dot（a，b，out = None ）¶两个数组的点积。特别，
如果a和b都是一维数组，则它是向量的内积（无复数共轭）。
如果a和b均为二维数组，则为矩阵乘法，但最好使用matmul或。a @ b
如果a或b是0-D（标量），则等效于multiply
并使用或是首选。numpy.multiply(a, b)a * b
如果a是ND数组，b是1-D数组，则它是a和b的最后一个轴的总和。
如果一个是一个ND阵列和b是MD阵列（其中M>=2），它是在最后轴线的和积一和第二到最后一个的轴b：
dot(a, b)[i,j,k,m] = sum(a[i,j,:] * b[k,:,m])
第一个论点。
第二个论点。
输出参数。如果没有使用，它必须具有返回的确切类型。特别是，它必须具有正确的类型，必须是C连续的，并且它的dtype必须是为dot（a，b）返回的dtype 。这是一项性能功能。因此，如果不满足这些条件，则会引发异常，而不是尝试变得灵活。
返回a和b的点积。如果a和b均为标量或均为一维数组，则返回标量；否则，返回a。否则返回一个数组。如果给出out，则将其返回。
如果a的最后一个尺寸与b的倒数第二个尺寸不同。
例子
>>> np.dot(3, 4)
12
这两个参数都不是复共轭的：
>>> np.dot([2j, 3j], [2j, 3j])
(-13+0j)
对于二维数组，它是矩阵乘积：
>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.dot(a, b)
array([[4, 1],
[2, 2]])
>>> a = np.arange(3*4*5*6).reshape((3,4,5,6))
>>> b = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3))
>>> np.dot(a, b)[2,3,2,1,2,2]
499128
>>> sum(a[2,3,2,:] * b[1,2,:,2])
499128