python multiply()与dot使用示例讲解
更新时间：2022年12月26日 11:50:52 作者：坤坤子的世界
这篇文章主要介绍了python multiply()与dot使用示例，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，需要的朋友们下面随着小编来一起学习吧
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
在本片文章里小编给大家整理的是关于Pytorch中accuracy和loss的计算相关知识点内容，有需要的朋友们可以学习下。2019-09-09
这篇文章主要为大家介绍了python模型性能ROC和AUC分析详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-03-03
这篇文章主要介绍了python 包 requests 实现请求操作，文章介绍内容包括带参数请求、自定义headers，文章内容详细具有一定的参考价值，需要的小伙伴可以参考一下2022-04-04
为什么要在实验过程中存储文件，因为有些算法的内容存在一些重复计算的步骤，这些步骤往往消耗很大一部分时间，在有大量参数的情况时，需要在多次不同参数的情况下重复试验，因此可以考虑将一些不涉及参数运算的部分结果存入文件中2022-09-09
WSGI也称之为web服务器通用网关接口，全称是web server gateway interface。这篇文章主要为大家介绍了Python WSGI的使用，希望对大家有所帮助2023-04-04
本文主要介绍了python连接telnet和ssh的两种方式，文中通过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2021-10-10
在本篇文章里小编给大家分享的是关于python3中sys.argv的实例用法内容，需要的朋友们可以学习下。2020-04-04
Requests是一个很实用的Python HTTP客户端库，编写爬虫和测试服务器响应数据时经常会用到，本文主要介绍了Python中requests做接口测试的方法，感兴趣的可以了解一下2021-05-05
这篇文章主要介绍了python中bytes和str类型的区别,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2019-10-10
这篇文章主要介绍了Python statistics模块示例详解,本文总结了 statistics 模块的常规操作，对于数据分析还是非常有益处的，需要的朋友可以参考下2023-05-05
最新评论