1. 三層循環(教學版)
def matmul(A, B):
rows, cols = len(A), len(B[0])
res = [[0]*cols for _ in range(rows)]
for i in range(rows):
for j in range(cols):
for k in range(len(B)):
res[i][j] += A[i][k] * B[k][j]
return res
2. 列表推導式 + zip(Pythonic)
def matmul2(A, B):
return [[sum(a*b for a,b in zip(row, col)) for col in zip(*B)] for row in A]
3. NumPy 矩陣乘法(生產環境首選)
from numpy import dot, array
A = array([[1,2],[3,4],[5,6],[7,8]])
B = array([[1,2,3,4],[5,6,7,8]])
print(dot(A, B).tolist())
# [[11, 14, 17, 20], [23, 30, 37, 44], [35, 46, 57, 68], [47, 62, 77, 92]]
性能對比
| 實現 | 100x100 矩陣耗時 | 備註 |
| 三層循環 | ~1.2s | 純 Python,極慢 |
| 列表推導式 | ~0.8s | 略快,仍受限於解釋器 |
| NumPy dot | ~0.001s | C/Fortran 後端,向量化,快 1000x+ |
建議
- 學習算法原理用版本 1。
- 腳本快速原型、小矩陣用版本 2。
- 科學計算、機器學習、大規模數據**必須**用 NumPy/SciPy。