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 ...

python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别

1. np.dot()

2. np.multiply()

3. * 运算

python中np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别相关推荐

最新文章

热门文章