numpy matrix和array的乘和加实例
更新时间：2018年06月28日 09:57:50 作者：超级杰哥
今天小编就为大家分享一篇numpy matrix和array的乘和加实例，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
1. 对于数组array
乘
就是对应位置的元素相乘：
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 1 4] [ 9 16]]
加
就是对应位置的相加：
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
2. 对于矩阵matrix
乘
就是矩阵的点乘:
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 7 10] [15 22]]
加
有两种情况，第一种是X1与X2的大小一致，就是普通的矩阵相加，即对应位置相加：
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
第二种情况是n＊1的X1 ＋ m*1的X2（或者反过来），就会得到n*m的矩阵：
X1 = np.matrix([[1,2,3]]) X2 = np.matrix([[1,2,3,4]]).T print X2+X1 [[2 3 4] [3 4 5] [4 5 6] [5 6 7]]
3. 混用情况
在numpy中存在很多的matrix和array 运算符混用的情况，程序也能通过，但这样很不好，尽量按照以上原则使用。
如果2维的array想要进行矩阵的点乘运算，可以用np.dot(X1, X2)
如果matrix想要进行对应位置的乘，可以用np.multiply(X2,X1)
以上这篇numpy matrix和array的乘和加实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
本文详细介绍8种常用的方法,涵盖了基于决策树、集成学习模型以及统计学方法的特征重要性分析,从决策树模型到SHAP值,深入探讨每种方法的原理和示例,帮助全面了解如何评估特征的重要性,将能更好地理解特征对模型预测的贡献,为提升模型性能和解释模型决策提供有力支持2024-01-01
下面小编就为大家分享一篇Pandas 对Dataframe结构排序的实现方法，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2018-04-04
这篇文章主要介绍了python获取本地计算机名字的方法,涉及Python获取本地计算机信息的相关技巧,非常简单实用,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了详解在Python程序中自定义异常的方法,是Python入门学习中的基础知识,需要的朋友可以参考下2015-10-10
python用fsolve、leastsq对非线性方程组求解
这篇文章主要为大家详细介绍了python用fsolve、leastsq对非线性方程组进行求解，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-12-12
这篇文章主要介绍了django使用LDAP验证的方法示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-12-12
NLTK（Natural Language Toolkit）是一个Python库,用于实现自然语言处理（NLP）的许多任务,NLTK包括一些有用的工具和资源,如文本语料库、词性标注器、语法分析器等,在这篇初级教程中,我们将了解NLTK的基础功能,需要的朋友可以参考下2023-08-08
在本篇文章里小编给大家整理的是关于安装python3.6.1失败的解决方案，需要的读者们可以跟着学习下。2020-07-07
这篇文章主要介绍了python使用配置文件过程详解,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2019-12-12
PowerPoint文档是商务、教育、创意等各领域常见的用于展示、教育和传达信息的格式,在制作PPT演示文稿时,灵活地操作幻灯片是提高演示效果、优化内容组织的关键步骤,本文给大家介绍了Python 操作PPT幻灯片- 添加、删除、或隐藏幻灯片,需要的朋友可以参考下2024-08-08
最新评论