Chapter2 Arithmetic Operations: Notebook7 Matrix Multiplications

NumPy Master Class¶

Chapter2 Arithmetic Operations¶

Notebook7 Matrix Multiplications¶

이번 notebook에서는 vector들의 dot product에 이어 matrix multiplication에 대해 알아보자.

이 matrix multiplication은 특히 data science에서 많은 data를 한 번에 처리할 때 항상 사용되는 연산이다.

그리고 조심할 점은 (m,n)*(n,p)처럼 가운데 2개의 차원이 동일해야 된다는 점이다.

matrix multiplication은 dot product와 마찬가지로 ndarray.dot()을 통해서 연산할 수 있다.

In [2]:

import numpy as np

---

Matrix Multiplications¶

In [5]:

operand1 = np.random.randint(low=0, high=5, size=(2,3))
operand2 = np.random.randint(low=0, high=5, size=(3,4))

print(operand1.shape, operand2.shape)
print("operand1:\n", operand1)
print("operand2:\n", operand2)

(2, 3) (3, 4)
operand1:
 [[0 2 2]
 [4 1 0]]
operand2:
 [[4 0 3 3]
 [3 0 2 0]
 [2 1 4 3]]

위와 같이 matrix 2개가 있을 때, 다음과 같이 matrix multiplication을 할 수 있다.

In [8]:

print("operand1.dot(operand2):\n", operand1.dot(operand2))
print("operand1.dot(operand2).shape:", operand1.dot(operand2).shape)

operand1.dot(operand2):
 [[10  2 12  6]
 [19  0 14 12]]
operand1.dot(operand2).shape: (2, 4)

우리가 알던대로 (2,3)*(3,4)의 결과로 (2,4) dimension의 ndarray가 나오는 것을 알 수 있다.

그러면 연속해서 matrix multiplication이 진행될 땐 어떻게 해야할까?

In [11]:

operand1 = np.random.randint(low=0, high=5, size=(2,3))
operand2 = np.random.randint(low=0, high=5, size=(3,4))
operand3 = np.random.randint(low=0, high=5, size=(4,2))

result = operand1.dot(operand2)
print(result.shape)

(2, 4)

위 결과를 다시 한 번 보면 operand1.dot(operand2)의 결과 자체도 matrix가 된다. 따라서 이 뒤에 다시 한 번 .dot() method를 사용할 수 있게 된다.

matrix multiplication의 내용은 간단하지만 앞으로 자주 나오므로 충분히 연습하고 다음 notebook으로 넘어가면 좋을 것 같다.