时间:2021-05-22
为了区分三种乘法运算的规则,具体分析如下:
import numpy as np函数作用
数组和矩阵对应位置相乘,输出与相乘数组/矩阵的大小一致
array([[1, 2],
[3, 4]])
array([[0, 1],
[2, 3]])
array([[ 0, 2],
[ 6, 12]])
matrix([[ 0, 2],
[ 6, 12]])
20
函数作用
对于秩为1的数组,执行对应位置相乘,然后再相加;
对于秩不为1的二维数组,执行矩阵乘法运算;超过二维的可以参考numpy库介绍。
2.1.1 数组秩不为1的场景
array([[1, 2],
[3, 4]])
array([[0, 1],
[2, 3]])
array([[ 4, 7],
[ 8, 15]])
2.1.2 数组秩为1的场景
array([1, 2, 3])
D = np.arange(0,3)Darray([0, 1, 2])
np.dot(C,D) #对应位置相乘,再求和8
matrix([[ 4, 7],
[ 8, 15]])
作用
对数组执行对应位置相乘
对矩阵执行矩阵乘法运算
array([[1, 2],
[3, 4]])
array([[0, 1],
[2, 3]])
array([[ 0, 2],
[ 6, 12]])
matrix([[ 4, 7],
[ 8, 15]])
到此这篇关于python中np.multiply()、np.dot()和星号(*)三种乘法运算的区别详解的文章就介绍到这了,更多相关python np.multiply()、np.dot()和星号内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
1.同线性代数中矩阵乘法的定义:np.dot()np.dot(A,B):对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两
一.np.dot()1.同线性代数中矩阵乘法的定义。np.dot(A,B)表示:对二维矩阵,计算真正意义上的矩阵乘积。对于一维矩阵,计算两者的内积。2.代码【c
向量点乘(dot)和对应分量相乘(multiply):>>>aarray([1,2,3])>>>barray([1.,1.,1.])>>>np.multiply
NumPy支持的几类矩阵乘法也很重要。元素级乘法你已看过了一些元素级乘法。你可以使用multiply函数或*运算符来实现。回顾一下,它看起来是这样的:m=np.
numpy中的乘法A=np.array([[1,2,3],[2,3,4]])B=np.array([[1,0,1],[2,1,-1]])C=np.array([