1 np.dot()
numpy.dot(a, b, out=None):对于二维数组,它相当于矩阵的乘法;对于一维数组,则是向量的内积;而对于n维,它是a的最后一个轴向和b的倒数第二个轴向的乘积和。
代码如下:
- 一维数组
>>> np.dot(3, 4) 12 >>> np.dot([2, 3], [4, 4]) 20
- 二维数组
>>> a = [[1, 0], [0, 1]] >>> b = [[4, 1], [2, 2]] >>> np.dot(a, b) array([[4, 1], [2, 2]])
- n维数组
>>> a = np.arange(6).reshape(1, 2, 3) >>> b = np.arange(6).reshape(2, 3, 1) >>> a array([[[0, 1, 2], [3, 4, 5]]]) >>> b array([[[0], [1], [2]], [[3], [4], [5]]]) >>> np.dot(a, b) array([[[[ 5], [14]], [[14], [50]]]])
2 np.outer()
numpy.outer(a, b, out=None):计算两个向量的外积。已知两个输入向量为a = [a0, a1, ..., aM]
和 b = [b0, b1, ..., bN]
,则输出为:
[[a0*b0 a0*b1 ... a0*bN ]
[a1*b0 .
[ ... .
[aM*b0 aM*bN ]]
注:输入a,b,如果不是一维数组,则先将其变成一维数组,即可得a(M,)和b(N,)这种形式,可得输出为(M,N)。
out[i, j] = a[i] * b[j]
代码如下:
- 对于数字数组
>>> a = np.array([[1, 2], [1, 1]]) array([[1, 2], [1, 1]]) >>> b = np.array([[2, 3], [1, 3]]) array([[2, 3], [1, 3]]) >>> np.outer(a, b) array([[2, 3, 1, 3], [4, 6, 2, 6], [2, 3, 1, 3], [2, 3, 1, 3]])
- 对一个字母例子
>>> x = np.array(['a', 'b', 'c'], dtype=object) >>> np.outer(x, [1, 2, 3]) array([[a, aa, aaa], [b, bb, bbb], [c, cc, ccc]], dtype=object)
3 np.multiply()
为对应元素的乘积。
代码如下:
>>> np.multiply(2.0, 4.0)
8.0
>>> x1 = np.array([[1, 2, 3], [4, 5, 6]])
>>> x2 = np.array([[7, 8, 9], [4, 7, 1]])
>>> np.multiply(x1, x2)
array([[ 7, 16, 27],
[16, 35, 6]])
注:维度相等时才能使用,当矩阵的维度不相同时,会根据一定的广播规则将维数扩充到一致的形式,具体见4中所述。
4 矩阵中的*
'*' 也为对于元素的乘积,它是对矩阵成立的,只能shape一样才能相乘。与其他shape的矩阵会报错。
代码如下:
>>> x1 = np.array([[1, 2, 3], [4, 5, 6]])
>>> x2 = np.array([[7, 8, 9], [4, 7, 1]])
>>>x1 * x2
array([[ 7, 16, 27],
[16, 35, 6]])
特殊情况下,看起来shape不一样,实际是由于numpy的广播,自动填充
- 可以自动填充
>>> x1 = np.arange(9.0).reshape((3, 3)) >>> x2 = np.arange(3.0) >>> x1 * x2 array([[ 0., 1., 4.], [ 0., 4., 10.], [ 0., 7., 16.]])
-
对比情况
>>> x1 = np.arange(9.0).reshape((3, 3))
>>> x3 = np.arange(3.0)
>>> x1 * x3
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-52-6814a4c80bf9> in <module>()
----> 1 x1 * x3
ValueError: operands could not be broadcast together with shapes (3,3) (4,)
继续阅读
- 我的微信小程序
- 这是我的微信小程序扫一扫
-
- 我的微信公众号
- 我的微信公众号扫一扫
-
评论