python multiply()与dot使用示例讲解
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 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
下面列出数组和矩阵使用multiply()和dot以及*计算的结果，计算场景有点多，这里先给出multiply()、dot以及*之间的区别：
1 * 运算符：当参与计算的类型都为数组时，计算方式为：对应位置相乘，当其中一个类型为矩阵时，则采用矩阵乘法。
2 dot运算符：无论参与计算的是数组还是矩阵，计算方式都为：矩阵乘法，
3 multiply()运算符：无论参与计算的是数组还是矩阵，计算方式都为：对应位置相乘。
数组*数组
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]])矩阵*矩阵
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]])
数组dot数组
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]])
矩阵dot矩阵
A
Out[14]:
matrix([[1, 2],
[3, 4]])
B
Out[15]:
matrix([[0, 1],
[2, 3]])
Out[21]:
matrix([[ 4, 7],
[ 8, 15]])数组multiply数组
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]])
矩阵multiply矩阵
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]])
数组*矩阵
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]])
矩阵*数组
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]])数组dot矩阵
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]])
矩阵dot数组
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]])
数组multiply矩阵
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]])
矩阵multiply数组
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]])
总结：
1 * 运算符：当参与计算的类型都为数组时，计算方式为：对应位置相乘，当其中一个类型为矩阵时，则采用矩阵乘法。
2 dot运算符：无论参与计算的是数组还是矩阵，计算方式都为：矩阵乘法，
3 multiply()运算符：无论参与计算的是数组还是矩阵，计算方式都为：对应位置相乘。
数组使用*运算符时，其计算方式为对应的位置相乘，当想使用数组进行矩阵乘法时，可以使用dot实现，而矩阵使用*运算符时，其计算方式矩阵相乘，当想使用矩阵进行对应位置相乘时，可以使用multiply实现。可见 dot运算符负责数组/矩阵的矩阵乘法，multiply负责矩阵/数组的对应位置相乘。
到此这篇关于python multiply()与dot使用示例讲解的文章就介绍到这了,更多相关python multiply()与dot内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python3.7实现验证码登录方式代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-02-02
这篇文章主要介绍了Python封装数据库连接池详解，文章围绕主题相关内容展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-06-06
最近ChatGPT蛮火的，今天试着让ta用Python语言写了一篇数据分析实战案例。文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起学习一下2023-02-02
由于simhash方法有多种实现方式,现python中simhash方法与golang中的不一样,需要两者代码生成结果保持一致,故采用python中的代码调用golang编译的so文件来实现,需要的朋友可以参考下2024-02-02
这篇文章给大家整理了关于Python中循环语句中else的用法，包括常规的 if else 用法、if else 快捷用法、与 for 关键字一起用、与 while 关键字一起用以及与 try except 一起用的用法总结，有需要的朋友们可以参考借鉴。2016-09-09
这篇文章主要介绍了Python实现合并字典的方法,涉及Python针对字典的遍历与合并的相关技巧,需要的朋友可以参考下2015-07-07
Opencv图像添加椒盐噪声、高斯滤波去除噪声原理以及手写Python代码实现方法
椒盐噪声的特征非常明显,为图像上有黑色和白色的点,下面这篇文章主要给大家介绍了关于Opencv图像添加椒盐噪声、高斯滤波去除噪声原理以及手写Python代码实现的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-09-09
这篇文章主要介绍了python实现远程运行bat文件方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
今天小编就为大家分享一篇Python不使用int()函数把字符串转换为数字的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
这篇文章主要介绍了pycharm访问mysql数据库的方法步骤。文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-06-06
最新评论