时间:2021-05-23
1. 对于数组array
乘
就是对应位置的元素相乘:
X1 = np.array([[1,2], [3, 4]])X2 = X1print X2*X1[[ 1 4] [ 9 16]]加
就是对应位置的相加:
X1 = np.array([[1,2], [3, 4]])X2 = X1print X2+X1[[2 4] [6 8]]2. 对于矩阵matrix
乘
就是矩阵的点乘:
X1 = np.matrix([[1,2], [3, 4]])X2 = X1print X2*X1[[ 7 10] [15 22]]加
有两种情况,第一种是X1与X2的大小一致,就是普通的矩阵相加,即对应位置相加:
X1 = np.matrix([[1,2], [3, 4]])X2 = X1print X2+X1[[2 4] [6 8]]第二种情况是n*1的X1 + m*1的X2(或者反过来),就会得到n*m的矩阵:
X1 = np.matrix([[1,2,3]])X2 = np.matrix([[1,2,3,4]]).Tprint X2+X1[[2 3 4] [3 4 5] [4 5 6] [5 6 7]]3. 混用情况
在numpy中存在很多的matrix和array 运算符混用的情况,程序也能通过,但这样很不好,尽量按照以上原则使用。
如果2维的array想要进行矩阵的点乘运算,可以用np.dot(X1, X2)
如果matrix想要进行对应位置的乘,可以用np.multiply(X2,X1)
以上这篇numpy matrix和array的乘和加实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
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。
Matrix是Array的一个小的分支,包含于Array。所以matrix拥有array的所有特性。但在数组乘和矩阵乘时,两者各有不同,如果a和b是两个matr
Python矩阵的基本用法mat()函数将目标数据的类型转化成矩阵(matrix)1,mat()函数和array()函数的区别Numpy函数库中存在两种不同的数
numpy返回函数的上三角矩阵np.triu()matrix2=np.triu(matrix1)numpy.triu(m,k=0)[source]Uppertr
在Python中我们经常会用到两个库Numpy和pandascsv文件转化为数组importnumpymy_matrix=numpy.loadtxt(open(
前言:array数组要转换成矩阵(matrix)数据类型才能进行一系列的线性运算。matrix类型也有时候要转换成array数组。代码:1.array转matr