python multiply()與dot使用示例講解
首先創(chuàng)建如下的數(shù)組和矩陣,其中a,b為數(shù)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(shù)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(shù)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(shù)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(shù)組還是矩陣，計算方式都為：對應位置相乘。
數(shù)組*數(shù)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(shù)組dot數(shù)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(shù)組multiply數(shù)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(shù)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(shù)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(shù)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(shù)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(shù)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(shù)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(shù)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(shù)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(shù)組還是矩陣，計算方式都為：對應位置相乘。
數(shù)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(shù)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)?？梢?dot運算符負責數(shù)組/矩陣的矩陣乘法，multiply負責矩陣/數(shù)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
在本片文章里小編給大家整理的是關于Pytorch中accuracy和loss的計算相關知識點內容，有需要的朋友們可以學習下。2019-09-09
這篇文章主要為大家介紹了python模型性能ROC和AUC分析詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-03-03
python?包?requests?實現(xiàn)請求操作
這篇文章主要介紹了python?包?requests?實現(xiàn)請求操作，文章介紹內容包括帶參數(shù)請求、自定義headers，文章內容詳細具有一定的參考價值，需要的小伙伴可以參考一下2022-04-04
Python實現(xiàn)將DNA序列存儲為tfr文件并讀取流程介紹
為什么要在實驗過程中存儲文件，因為有些算法的內容存在一些重復計算的步驟，這些步驟往往消耗很大一部分時間，在有大量參數(shù)的情況時，需要在多次不同參數(shù)的情況下重復試驗，因此可以考慮將一些不涉及參數(shù)運算的部分結果存入文件中2022-09-09
WSGI也稱之為web服務器通用網(wǎng)關接口，全稱是web?server?gateway?interface。這篇文章主要為大家介紹了Python?WSGI的使用，希望對大家有所幫助2023-04-04
本文主要介紹了python連接telnet和ssh的兩種方式，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-10-10
在本篇文章里小編給大家分享的是關于python3中sys.argv的實例用法內容，需要的朋友們可以學習下。2020-04-04
Requests是一個很實用的Python HTTP客戶端庫，編寫爬蟲和測試服務器響應數(shù)據(jù)時經(jīng)常會用到，本文主要介紹了Python中requests做接口測試的方法，感興趣的可以了解一下2021-05-05
這篇文章主要介紹了python中bytes和str類型的區(qū)別,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2019-10-10
這篇文章主要介紹了Python?statistics模塊示例詳解,本文總結了 statistics 模塊的常規(guī)操作，對于數(shù)據(jù)分析還是非常有益處的，需要的朋友可以參考下2023-05-05