介绍 1。np.multiply()函数
1.1数组场景
这篇文章主要介绍python中np.multiply (), np.dot()和星号(*)三种乘法运算的区别有哪些,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
为了区分三种乘法运算的规则,具体分析如下:
import numpy as np
1。np.multiply()函数
函数作用
数组和矩阵对应位置相乘,输出与相乘数组/矩阵的大小一致
1.1数组场景
A =, np.arange (1、5) .reshape (2, 2)
数组([[1、2],
引用>
,,,,,,[3,4]])B =, np.arange (0, 4) .reshape (2, 2) B数组([[0,1],
引用>
,,,,,,[2、3]])np.multiply (A, B),, #数组对应元素位置相乘阵列([[0,,2],
引用>
,,,,,,[6、12]])1.2矩阵场景
np.multiply (np.mat (A), np.mat (B)),, #矩阵对应元素位置相乘,利用np.mat()将数组转换为矩阵矩阵([[0,,2],
引用>
,,,,,,,[6、12]])np.sum (np.multiply (np.mat (A), np.mat (B))), #输出为标量20引用>
2。np.dot()函数
函数作用
对于秩为1的数组,执行对应位置相乘,然后再相加;
对于秩不为1的二维数组,执行矩阵乘法运算;超过二维的可以参考numpy库介绍。
2.1数组场景
2.1.1数组秩不为1的场景
A =, np.arange (1、5) .reshape (2, 2)数组([[1、2],
引用>
,,,,,,[3,4]])B =, np.arange (0, 4) .reshape (2, 2) B数组([[0,1],
引用>
,,,,,,[2、3]])np.dot (A, B), #对数组执行矩阵相乘运算阵列([[4,,7),
引用>
,,,,,,[8 15]])2.1.2数组秩为1的场景
C =, np.arange (1、4) C数组([1,2,3])
引用>D =, np.arange (0, 3) D数组([0,1,2)
引用>np.dot (C, D), #对应位置相乘,再求和8引用>
2.2矩阵场景
np.dot (np.mat (A), np.mat (B)), #执行矩阵乘法运算矩阵([[4,,7),
引用>
,,,,,,,[8 15]])3。星号(*)乘法运算
作用
对数组执行对应位置相乘
对矩阵执行矩阵乘法运算
3.1数组场景
A =, np.arange (1、5) .reshape (2, 2)数组([[1、2],
引用>
,,,,,,[3,4]])B =, np.arange (0, 4) .reshape (2, 2) B数组([[0,1],
引用>
,,,,,,[2、3]])* B #对应位置点乘阵列([[0,,2],
引用>
,,,,,,[6、12]])
3.2矩阵场景
(np.mat (A)) * (np.mat (B)), #执行矩阵运算矩阵([[4,,7),
引用>
,,,,,,,[8 15]])
python中np.multiply (), np.dot()和星号(*)三种乘法运算的区别有哪些