IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 一文搞定python中的multiply()和dot以及用法 -> 正文阅读

[Python知识库]一文搞定python中的multiply()和dot以及用法

python中的multiply()和dot以及*用法.md

首先创建如下的数组和矩阵,其中a,b为数组,A,B为矩阵

import numpy as np

a = np.arange(1,5).reshape(2,2)

type(a)
Out[3]: numpy.ndarray

b = np.arange(0,4).reshape(2,2)

type(b)
Out[5]: numpy.ndarray

A = np.mat(a)

type(A)
Out[7]: numpy.matrix

B = np.mat(b)

type(B)
Out[9]: numpy.matrix

下面列出数组和矩阵使用multiply()和dot以及*计算的结果,计算场景有点多,这里先给出multiply()、dot以及*之间的区别:

1 * 运算符:当参与计算的类型都为数组时,计算方式为:对应位置相乘,当其中一个类型为矩阵时,则采用矩阵乘法。

2 dot运算符:无论参与计算的是数组还是矩阵,计算方式都为:矩阵乘法,

3 multiply()运算符:无论参与计算的是数组还是矩阵,计算方式都为:对应位置相乘。

数组*数组

a
Out[11]: 
array([[1, 2],
       [3, 4]])

b
Out[12]: 
array([[0, 1],
       [2, 3]])

a * b
Out[13]: 
array([[ 0,  2],
       [ 6, 12]])

矩阵*矩阵

A
Out[14]: 
matrix([[1, 2],
        [3, 4]])

B
Out[15]: 
matrix([[0, 1],
        [2, 3]])

A*B
Out[16]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组dot数组

a
Out[18]: 
array([[1, 2],
       [3, 4]])

b
Out[19]: 
array([[0, 1],
       [2, 3]])

a.dot(b)
Out[20]: 
array([[ 4,  7],
       [ 8, 15]])

矩阵dot矩阵

A
Out[14]: 
matrix([[1, 2],
        [3, 4]])

B
Out[15]: 
matrix([[0, 1],
        [2, 3]])
Out[21]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组multiply数组

a
Out[22]: 
array([[1, 2],
       [3, 4]])

b
Out[23]: 
array([[0, 1],
       [2, 3]])

np.multiply(a,b)
Out[24]: 
array([[ 0,  2],
       [ 6, 12]])

矩阵multiply矩阵

A
Out[25]: 
matrix([[1, 2],
        [3, 4]])

B
Out[26]: 
matrix([[0, 1],
        [2, 3]])

np.multiply(A,B)
Out[27]: 
matrix([[ 0,  2],
        [ 6, 12]])

数组*矩阵

a
Out[29]: 
array([[1, 2],
       [3, 4]])

B
Out[30]: 
matrix([[0, 1],
        [2, 3]])

a * B
Out[31]: 
matrix([[ 4,  7],
        [ 8, 15]])

矩阵*数组

a
Out[29]: 
array([[1, 2],
       [3, 4]])

B
Out[30]: 
matrix([[0, 1],
        [2, 3]])

a * B
Out[31]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组dot矩阵

a
Out[35]: 
array([[1, 2],
       [3, 4]])

B
Out[36]: 
matrix([[0, 1],
        [2, 3]])

a.dot(B)
Out[37]: 
matrix([[ 4,  7],
        [ 8, 15]])

矩阵dot数组

A
Out[38]: 
matrix([[1, 2],
        [3, 4]])

b
Out[39]: 
array([[0, 1],
       [2, 3]])

A.dot(b)
Out[40]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组multiply矩阵

a
Out[41]: 
array([[1, 2],
       [3, 4]])

B
Out[42]: 
matrix([[0, 1],
        [2, 3]])

np.multiply(a,B)
Out[43]: 
matrix([[ 0,  2],
        [ 6, 12]])

矩阵multiply数组

A
Out[44]: 
matrix([[1, 2],
        [3, 4]])

b
Out[45]: 
array([[0, 1],
       [2, 3]])

np.multiply(A,b)
Out[46]: 
matrix([[ 0,  2],
        [ 6, 12]])

总结:

1 * 运算符:当参与计算的类型都为数组时,计算方式为:对应位置相乘,当其中一个类型为矩阵时,则采用矩阵乘法。

2 dot运算符:无论参与计算的是数组还是矩阵,计算方式都为:矩阵乘法,

3 multiply()运算符:无论参与计算的是数组还是矩阵,计算方式都为:对应位置相乘。

数组使用*运算符时,其计算方式为对应的位置相乘,当想使用数组进行矩阵乘法时,可以使用dot实现,而矩阵使用*运算符时,其计算方式矩阵相乘,当想使用矩阵进行对应位置相乘时,可以使用multiply实现。可见 dot运算符负责数组/矩阵的矩阵乘法,multiply负责矩阵/数组的对应位置相乘。

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-12-25 11:04:55  更:2022-12-25 11:05:01 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/26 3:44:42-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计