python中np.multiply()、np.dot()和星号(*)三种乘法运算的区别
1. np.dot()
对类型为
ndarray
的数据:- 一维情况:为点乘,即对应元素相乘再相加
- 二维情况:矩阵乘法
对类型为
matrix
的数据:矩阵乘法
一个二维数组跟一个大小合适的一维数组的矩阵点积运算之后将会得到一个一维数组:
x:
[[ 1. 2. 3.][ 4. 5. 6.]]
y:
[ 1. 1. 1.]np.dot(x,y):
[ 6. 15.]
2. np.multiply()
- 对类型为
ndarray
的数据:对应元素相乘 - 对类型为
matrix
的数据:对应元素相乘
3. * 运算
- 对类型为
ndarray
的数据:对应元素相乘 - 对类型为
matrix
的数据:矩阵乘法
例子:
np.dot()
<class 'numpy.ndarray'>
二维数组 arrx2:
[[1 2][3 4]]
二维数组 arry2:
[[6 7][8 9]]
二维数组 arrx2 与 二维数组 arry2 的 dot 运算结果:
[[22 25][50 57]]
<class 'numpy.ndarray'>
一维数组 arrx1:
[1 2]
一维数组 arry1:
[4 5]
arrx1 与 arry1 的 dot 运算结果:
14
<class 'numpy.matrixlib.defmatrix.matrix'>
矩阵 matx2:
[[1 2][3 4]]
矩阵 maty2:
[[6 7][8 9]]
矩阵 matx2 与 矩阵 maty2 的 dot 运算结果:
[[22 25][50 57]]
<class 'numpy.matrixlib.defmatrix.matrix'>
矩阵 matx1:
[[1 2]]
矩阵 maty1:
[[4 5]]
矩阵 matx1 与 矩阵 maty1.T 的 dot 运算结果:
[[14]]
np.multiply()
<class 'numpy.ndarray'>
二维数组 arrx2:
[[1 2][3 4]]
二维数组 arry2:
[[6 7][8 9]]
二维数组 arrx2 与 二维数组 arry2 的 multiply 乘积:
[[ 6 14][24 36]]
<class 'numpy.ndarray'>
一维数组 arrx1:
[1 2]
一维数组 arry1:
[4 5]
arrx1 与 arry1 的 multiply 乘积:
[ 4 10]
<class 'numpy.matrixlib.defmatrix.matrix'>
matx2:
[[1 2][3 4]]
maty2:
[[6 7][8 9]]
matx2 与 maty2 的 multiply 结果:
[[ 6 14][24 36]]
<class 'numpy.matrixlib.defmatrix.matrix'>
matx1:
[[1 2]]
maty1:
[[4 5]]
matx1 与 maty1 的 multiply 结果:
[[ 4 10]]
* 运算
<class 'numpy.ndarray'>
二维数组 arrx2:
[[1 2][3 4]]
二维数组 arry2:
[[6 7][8 9]]
二维数组 arrx2 与 二维数组 arry2 的 * 运算结果:
[[ 6 14][24 36]]
<class 'numpy.ndarray'>
一维数组 arrx1:
[1 2]
一维数组 arry1:
[4 5]
arrx1 与 arry1 的 * 运算结果:
[ 4 10]
<class 'numpy.matrixlib.defmatrix.matrix'>
matx2:
[[1 2][3 4]]
maty2:
[[6 7][8 9]]
matx2 与 maty2 的 * 运算结果:
[[22 25][50 57]]
<class 'numpy.matrixlib.defmatrix.matrix'>
matx1:
[[1 2]]
maty1:
[[4 5]]
matx1 与 maty1.T 的 * 运算结果:
[[14]]
python中np.multiply()、np.dot()和星号(*)三种乘法运算的区别相关推荐
- 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 npa = np.arange(1,5).res ...
- python中multiply函数_python中numpy库内multiply()、dot()和 * 三种乘法运算的区别小计...
首先,导入函数包: import numpy as np 1.np.multiply()函数: 数组:(点对点)对应位置元素相乘 矩阵:对应位置元素相乘 示例: A = np.array([[1,2] ...
- python中保留小数_python保留小数位的三种实现方法
前言 保留小数位是我们经常会碰到的问题,尤其是刷题过程中.那么在python中保留小数位的方法也非常多,但是笔者的原则就是什么简单用什么,因此这里介绍几种比较简单实用的保留小数位的方法: 方法一:fo ...
- Python中斐波那契数列的四种写法
在这些时候,我可以附和着笑,项目经理是决不责备的.而且项目经理见了孔乙己,也每每这样问他,引人发笑.孔乙己自己知道不能和他们谈天,便只好向新人说话.有一回对我说道,"你学过数据结构吗?&qu ...
- python语言包含的错误,Python语言程序中包含的错误,一般分为三种,以下____________不是其中的一种...
Python语言程序中包含的错误,一般分为三种,以下____________不是其中的一种 答:编译错误 人体体温能自动调控在37度,其原因是( ). 答:人体内产生的热能是分批放出的 人体内有完善的 ...
- python 中全局变量、局部变量、静态变量,实例变量的区别和理解
python 中全局变量.局部变量.静态变量,实例变量的区别和理解 在python中一个XXX.py 文件可能有多个类所以要严格区分这些变量 全局变量: 在这个模块内也就是在整个.py 文件里,并且在 ...
- 创建二维数组 以及 python中[0 ]* n与[0 for _ in range(n)]的区别与联系
一.浅拷贝于深拷贝 关于浅拷贝于深拷贝:Python 的深拷贝和浅拷贝 直接赋值:其实就是对象的引用(别名). 浅拷贝(copy):拷贝父对象,不会拷贝对象的内部的子对象. 深拷贝(deepcopy) ...
- Python中的单引号,双引号,三重引号的区别
经常有人问Python中的单引号,双引号,三重引号的区别,其实上还是有区别的. 单引号和双引号基本上没什么区别,区别只在于下面这种情况. >>> S1 = 'I do like &q ...
- Python中 rstrip()、 lstrip()、 strip() 的用法和区别
目录: 题目一:Python中 rstrip(). lstrip(). strip() 的用法和区别 题目二:python中append().expend()函数的用法和区别 题目三:Python中z ...
最新文章
- 观察者模式及Java实现例子
- eclipse无法启动,双击后自动退出,无任何错误提示
- C++对象的动态建立
- 计算机三级信息管理技术考试大纲
- 移动开发—媒体查询(Media Query)
- 【毕业设计】asp.net基于工作流引擎的系统框架设计开发(源代码+论文)
- MCS-51子程序库(二)
- orm框架有哪些_.net core 基于Dapper 的分库分表开源框架(coredata)
- C语言字符串转16进制
- VS2017安装教程
- 警惕!关于5G的最新骗局!
- msyql慢查询相关
- 关于时域、频域和波数域的一些概念
- 遥感图像语义分割各公开数据集
- lte盲重定向_TD-LTE网络基于PS业务的重定向过程研究
- Java基础 DAY18
- 简单几步实现网络音乐播放器(Qt版百度FM)
- Exception in thread “main“ java.lang.Error: Unresolved compilation problem: at second.math_practi
- 记录 2015 年年初跳槽的经历!
- css字体改颜色,css怎么改字体颜色?