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
聊聊python在linux下与windows下导入模块的区别说明
这篇文章主要介绍了聊聊python在linux下与windows下导入模块的区别说明，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2021-03-03
这篇文章主要介绍了python 中使用yagmail 发送邮件功能，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2021-12-12
在本篇文章里小编给大家分享了一篇关于python3处理word文档实例分析内容，有兴趣的朋友们可以参考下。2020-12-12
这篇文章主要介绍了Python设计模式之MVC模式,简单介绍了MVC模式的概念、原理,并结合实例形式给出了Python实现与使用MVC模式的相关操作技巧,需要的朋友可以参考下2018-01-01
Python脚本,标识符,变量使用,脚本语句,注释,模块引用详解
这篇文章主要为大家详细介绍了Python脚本,标识符,变量使用,脚本语句,注释,模块引用，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-02-02
有时我们不想让浏览器窗口跳出来,而是想在后台进行操作,这就需要用到无界面浏览器,本文主要介绍了python selenium 无界面浏览器的实现,具有一定的参考价值,感兴趣的可以了解一下2023-10-10
tensorflow没有output结点,存储成pb文件的例子
今天小编就为大家分享一篇tensorflow没有output结点,存储成pb文件的例子，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2020-01-01
这篇文章主要为大家详细介绍了python实现简易图书管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-03-03
本文主要介绍了conda管理Python虚拟环境的实现,主要包括使用conda工具创建、查看和删除Python虚拟环境,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
今天给大家分享一个有趣的AI项目——利用NoGAN的图像增强技术给老照片着色，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-06-06
最新评论