python multiply()與dot使用示例講解
首先創(chuàng)建如下的數組和矩陣,其中a,b為數組，A，B為矩陣
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
下面列出數組和矩陣使用multiply()和dot以及*計算的結果，計算場景有點多，這里先給出multiply()、dot以及*之間的區(qū)別：
1 * 運算符：當參與計算的類型都為數組時，計算方式為：對應位置相乘，當其中一個類型為矩陣時，則采用矩陣乘法。
2 dot運算符：無論參與計算的是數組還是矩陣，計算方式都為：矩陣乘法，
3 multiply()運算符：無論參與計算的是數組還是矩陣，計算方式都為：對應位置相乘。
數組*數組
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]])矩陣*矩陣
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]])
數組dot數組
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]])
矩陣dot矩陣
A
Out[14]:
matrix([[1, 2],
[3, 4]])
B
Out[15]:
matrix([[0, 1],
[2, 3]])
Out[21]:
matrix([[ 4, 7],
[ 8, 15]])數組multiply數組
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]])
矩陣multiply矩陣
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]])
數組*矩陣
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]])
矩陣*數組
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]])數組dot矩陣
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]])
矩陣dot數組
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]])
數組multiply矩陣
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]])
矩陣multiply數組
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]])
總結：
1 * 運算符：當參與計算的類型都為數組時，計算方式為：對應位置相乘，當其中一個類型為矩陣時，則采用矩陣乘法。
2 dot運算符：無論參與計算的是數組還是矩陣，計算方式都為：矩陣乘法，
3 multiply()運算符：無論參與計算的是數組還是矩陣，計算方式都為：對應位置相乘。
數組使用*運算符時，其計算方式為對應的位置相乘，當想使用數組進行矩陣乘法時，可以使用dot實現(xiàn)，而矩陣使用*運算符時，其計算方式矩陣相乘，當想使用矩陣進行對應位置相乘時，可以使用multiply實現(xiàn)。可見 dot運算符負責數組/矩陣的矩陣乘法，multiply負責矩陣/數組的對應位置相乘。
到此這篇關于python multiply()與dot使用示例講解的文章就介紹到這了,更多相關python multiply()與dot內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python3.7實現(xiàn)驗證碼登錄方式代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-02-02
這篇文章主要介紹了Python封裝數據庫連接池詳解，文章圍繞主題相關內容展開詳細的內容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-06-06
Python+ChatGPT實戰(zhàn)之進行游戲運營數據分析
最近ChatGPT蠻火的，今天試著讓ta用Python語言寫了一篇數據分析實戰(zhàn)案例。文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學習一下2023-02-02
由于simhash方法有多種實現(xiàn)方式,現(xiàn)python中simhash方法與golang中的不一樣,需要兩者代碼生成結果保持一致,故采用python中的代碼調用golang編譯的so文件來實現(xiàn),需要的朋友可以參考下2024-02-02
這篇文章給大家整理了關于Python中循環(huán)語句中else的用法，包括常規(guī)的 if else 用法、if else 快捷用法、與 for 關鍵字一起用、與 while 關鍵字一起用以及與 try except 一起用的用法總結，有需要的朋友們可以參考借鑒。2016-09-09
這篇文章主要介紹了Python實現(xiàn)合并字典的方法,涉及Python針對字典的遍歷與合并的相關技巧,需要的朋友可以參考下2015-07-07
Opencv圖像添加椒鹽噪聲、高斯濾波去除噪聲原理以及手寫Python代碼實現(xiàn)方法
椒鹽噪聲的特征非常明顯,為圖像上有黑色和白色的點,下面這篇文章主要給大家介紹了關于Opencv圖像添加椒鹽噪聲、高斯濾波去除噪聲原理以及手寫Python代碼實現(xiàn)的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-09-09
這篇文章主要介紹了python實現(xiàn)遠程運行bat文件方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
今天小編就為大家分享一篇Python不使用int()函數把字符串轉換為數字的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了pycharm訪問mysql數據庫的方法步驟。文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-06-06