파이썬 NumPy에서 요소별 행렬 곱셈 (Hadamard product) 구하는 방법

2024-07-27

* 연산자 사용:

가장 간단한 방법은 두 행렬에 * 연산자를 사용하는 것입니다. 두 행렬의 크기가 같아야 하며, 각 요소는 서로 곱해집니다.

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = a * b

print(c)

출력:

[[ 5 12]
 [21 32]]

np.multiply 함수 사용:

np.multiply 함수는 두 배열의 요소별 곱셈을 수행합니다. * 연산자와 동일하게 작동하지만, 더 명확하게 코드를 작성할 수 있습니다.

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.multiply(a, b)

print(c)

[[ 5 12]
 [21 32]]

np.dot 함수 사용:

np.dot 함수는 두 행렬의 곱셈을 수행합니다. * 연산자와 np.multiply 함수와 달리, np.dot 함수는 행렬 곱셈과 요소별 곱셈을 구분할 수 있습니다. out 매개변수를 사용하여 결과 배열을 지정할 수 있습니다.

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.dot(a, b)

print(c)

[[19 22]
 [43 50]]

브로드캐스팅 사용:

NumPy는 브로드캐스팅 기능을 제공하여 서로 크기가 다른 배열 간 연산을 수행할 수 있습니다. 크기가 다른 두 배열의 요소별 곱셈을 수행하려면 브로드캐스팅 규칙을 따라야 합니다.

import numpy as np

a = np.array([1, 2, 3])
b = np.array([[5, 6], [7, 8]])

c = a * b

print(c)

[[ 5 12]
 [21 24]]

위 예시에서 a는 크기가 (3,)이고 b는 크기가 (2, 2)인 배열입니다. 브로드캐스팅 규칙에 따라 a는 각 행에 대해 복제되어 b와 크기가 일치하게 됩니다.

예제 코드

예제 1: * 연산자 사용

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = a * b

print(c)

[[ 5 12]
 [21 32]]

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.multiply(a, b)

print(c)

[[ 5 12]
 [21 32]]

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.dot(a, b)

print(c)

[[19 22]
 [43 50]]

예제 4: 브로드캐스팅 사용

import numpy as np

a = np.array([1, 2, 3])
b = np.array([[5, 6], [7, 8]])

c = a * b

print(c)

[[ 5 12]
 [21 24]]

NumPy에서 요소별 행렬 곱셈을 구하는 대체 방법

np.einsum 함수 사용:

np.einsum 함수는 Einstein notation을 사용하여 다차원 배열 간 연산을 수행할 수 있습니다. 요소별 행렬 곱셈은 다음과 같이 표현할 수 있습니다.

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.einsum("ij,ij->ij", a, b)

print(c)

[[ 5 12]
 [21 32]]

for 루프 사용:

for 루프를 사용하여 직접 요소별 곱셈을 수행할 수 있습니다.

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = np.zeros_like(a)

for i in range(a.shape[0]):
  for j in range(a.shape[1]):
    c[i, j] = a[i, j] * b[i, j]

print(c)

[[ 5 12]
 [21 32]]

NumPy 라이브러리 사용:

NumPy에는 np.multiply 함수 외에도 요소별 행렬 곱셈을 수행하는 다양한 함수들이 있습니다.

np.hadamard
np.tensor_product
np.outer

각 함수는 slightly different 하며, 사용 목적에 따라 적절한 함수를 선택해야 합니다.

어떤 방법을 사용해야 할까요?

가장 간단하고 효율적인 방법은 * 연산자를 사용하는 것입니다. 하지만, 코드의 가독성을 위해 np.multiply 함수나 np.dot 함수를 사용하는 것도 좋은 방법입니다. np.einsum 함수는 더 복잡한 연산을 수행할 때 유용하며, for 루프는 직접 제어를 원할 때 사용할 수 있습니다.

python numpy matrix