numpy中的dot、outer、multiply和*的用法
来源:互联网 发布:外国人对中国有知乎 编辑:程序博客网 时间:2024/06/03 21:52
numpy中的dot、outer、multiply和 * 的使用方法
1 np.dot()
numpy.dot(a, b, out=None):对于二维数组,它相当于矩阵的乘法;对于一维数组,则是向量的内积;而对于n维,它是a的最后一个轴向和b的倒数第二个轴向的乘积和。
代码如下:
一维数组
>>> np.dot(3, 4)12>>> np.dot([2, 3], [4, 4])20
二维数组
>>> a = [[1, 0], [0, 1]]>>> b = [[4, 1], [2, 2]]>>> np.dot(a, b)array([[4, 1], [2, 2]])
n维数组
>>> a = np.arange(6).reshape(1, 2, 3)>>> b = np.arange(6).reshape(2, 3, 1)>>> a array([[[0, 1, 2], [3, 4, 5]]])>>> barray([[[0], [1], [2]], [[3], [4], [5]]])>>> np.dot(a, b)array([[[[ 5], [14]], [[14], [50]]]])
2 np.outer()
numpy.outer(a, b, out=None):计算两个向量的外积。已知两个输入向量为a = [a0, a1, ..., aM]
和 b = [b0, b1, ..., bN]
,则输出为:
[[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 aM*bN ]]
注:输入a,b,如果不是一维数组,则先将其变成一维数组,即可得a(M,)和b(N,)这种形式,可得输出为(M,N)。
out[i, j] = a[i] * b[j]
代码如下:
对于数字数组
>>> a = np.array([[1, 2], [1, 1]])array([[1, 2], [1, 1]])>>> b = np.array([[2, 3], [1, 3]])array([[2, 3], [1, 3]])>>> np.outer(a, b)array([[2, 3, 1, 3], [4, 6, 2, 6], [2, 3, 1, 3], [2, 3, 1, 3]])
对一个字母例子
>>> x = np.array(['a', 'b', 'c'], dtype=object)>>> np.outer(x, [1, 2, 3])array([[a, aa, aaa], [b, bb, bbb], [c, cc, ccc]], dtype=object)
3 np.multiply()
为对应元素的乘积。
代码如下:
>>> np.multiply(2.0, 4.0)8.0>>> x1 = np.array([[1, 2, 3], [4, 5, 6]])>>> x2 = np.array([[7, 8, 9], [4, 7, 1]])>>> np.multiply(x1, x2)array([[ 7, 16, 27], [16, 35, 6]])
注:维度相等时才能使用,当数组或者矩阵的维度不相同时,会根据一定的广播规则将维数扩充到一致的形式,但是如果形式不能填充侧报错,如下
可以自动填充
>>> x1 = np.arange(9.0).reshape((3, 3))>>> x2 = np.arange(3.0)>>> np.multiply(x1, x2)array([[ 0., 1., 4.], [ 0., 4., 10.], [ 0., 7., 16.]])
对比情况
>>> x1 = np.arange(9.0).reshape((3, 3))>>> x3 = np.arange(4.0)>>> np.multiply(x1, x3)<hr />ValueError Traceback (most recent call last)<ipython-input-50-abc06b5da097> in <module>()----> 1 np.multiply(x1, x3)ValueError: operands could not be broadcast together with shapes (3,3) (4,)
4 矩阵中的*
‘*’ 也为对于元素的乘积,当是两个数组相乘时和np.multiply用法相同,但是如果相乘的元素是矩阵时,则和np.dot用处相同,表示矩阵相乘。
数组相乘:
>>> x1 = np.arange(9.0).reshape((3, 3))>>> x2 = np.arange(3.0)>>> x1 * x2array([[ 0., 1., 4.], [ 0., 4., 10.], [ 0., 7., 16.]])
矩阵相乘
>>> x1 = np.array([[1, 2], [3, 4]])>>> x2 = np.array([[7, 8], [4, 7]])>>> a = np.mat(x1)>>> b = np.mat(x2)>>> a*bmatrix([[15, 22], [37, 52]])>>> np.dot(x1, x2)array([[15, 22], [37, 52]])
阅读全文
0 0
- numpy中的dot、outer、multiply和*的用法
- numpy中的 dot, outer and *
- numpy中dot、multiply和asterisk的区别和联系。
- Python:numpy中dot,outer,*用法
- numpy * dot multiply
- numpy中矩阵相乘的用法:dot函数和乘号*
- Numpy np.dot() vs np.multiply() vs *
- 关于 numpy 中 multiply的用法
- 【Python】python中的乘法dot和对应分量相乘multiply
- numpy中的dot()函数
- numpy中关于*和dot的区别
- numpy中关于*和dot的区别
- numpy中关于*和dot的区别
- 【python学习笔记】23:numpy的add和multiply
- numpy中的nonzero()的用法
- numpy中的nonzero()的用法
- numpy.c_和numpy.squeeze的用法
- numpy.cov()和numpy.var()的用法
- NodeJs的包
- [java后端]线下笔试及面试复习资料[一]
- LeetCode:M-5. Longest Palindromic Substring
- couresra:Learning How to Learn 学习笔记
- javaBean内省机制
- numpy中的dot、outer、multiply和*的用法
- 滴滴打车2017年秋招网申笔试题-丑数
- 开始写博客了
- 安装rabbitMQ
- 盗梦空间 ---- 南阳OJ(语言入门)
- Hololens API解析WorldAnchor,WorldAnchorStore,WorldManager
- HDU3652 B-number
- iOS block之循环引用
- poj2312-Battle City