当前位置:首页 > Python技术文章 > 对numpy 数组和矩阵的乘法的进一步理解

numpy数组和矩阵的乘法知识点详解

  • 发布时间:
  • 作者:码农之家原创
  • 点击:169

这篇文章主要知识点是关于numpy、数组、矩阵、的内容,如果大家想对相关知识点有系统深入的学习,可以参阅以下电子书

Python3面向对象编程
  • 类型:Python3大小:10.1 MB格式:PDF作者:Dusty Phillips
立即下载

对numpy 数组和矩阵的乘法的进一步理解

下面就为大家分享一篇对numpy 数组和矩阵的乘法的进一步理解,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧

 

1、当为array的时候,默认d*f就是对应元素的乘积,multiply也是对应元素的乘积,dot(d,f)会转化为矩阵的乘积, dot点乘意味着相加,而multiply只是对应元素相乘,不相加

2、当为mat的时候,默认d*f就是矩阵的乘积,multiply转化为对应元素的乘积,dot(d,f)为矩阵的乘积

对numpy 数组和矩阵的乘法的进一步理解

对numpy 数组和矩阵的乘法的进一步理解

3、 混合时候的情况,一般不要混合

混合的时候默认按照矩阵乘法的, multiply转化为对应元素的乘积,dot(d,f)为矩阵的乘积

总结:数组乘法默认的是点乘,矩阵默认的是矩阵乘法,混合在一起默认的是矩阵乘法,multiply转化为对应元素的乘积,dot(d,f)会转化为矩阵的乘积,注意,像multiply不满足对应元素时,按照广播是方式进行。

对numpy 数组和矩阵的乘法的进一步理解

对numpy 数组和矩阵的乘法的进一步理解

相关推荐:

Python的numpy库中将矩阵转换为列表等函数的方法_python

Python编程给numpy矩阵添加一列方法示例

Python基于numpy模块创建对称矩阵的方法

 

 

以上就是对numpy 数组和矩阵的乘法的进一步理解的详细内容,更多请关注码农之家其它相关文章!

以上就是本次给大家分享的关于java的全部知识点内容总结,大家还可以在下方相关文章里找到相关文章进一步学习,感谢大家的阅读和支持。

推荐内容

idea2020注册激活码(激活到2100年)

实例分析Java实现的zip压缩及解压缩工具类

python3 pandas 如何读取MySQL数据和插入

ThinkPHP3.2.3框架如何实现分页功能

深入理解JS函数stack size计算方法

展开 +

收起 -

python 相关电子书
学习笔记
网友NO.214008

Numpy数组的保存与读取方法

1. 数组以二进制格式保存 np.save和np.load是读写磁盘数组数据的两个主要函数。默认情况下,数组以未压缩的原始二进制格式保存在扩展名为npy的文件中,以数组a为例 np.save("filename.npy",a)b = np.load("filename.npy") 利用这种方法,保存文件的后缀名字一定会被置为.npy 2. 存取文本文件 使用 np.savetxt 和 np.loadtxt 只能读写 1 维和 2 维的数组 np.savetxt: 将数组写入以某种分隔符隔开的文本文件中 np.loadtxt: 指定某种分隔符,将文本文件读入到数组中 np.savetxt("filename.txt",a)b = numpy.loadtxt("filename.txt", delimiter=',') 3. 保存为二进制文件 使用数组的 tofile 函数可以方便地将数组中数据以二进制的格式写进文件 a.tofile("filename.bin")b = np.fromfile("filename.bin",dtype = **) 该方法与np.save有几点区别: tofile函数只能将数组保存为二进制文件,文件后缀名没有固定要求。这种保存方法对数据读……

网友NO.503191

基于Python Numpy的数组array和矩阵matrix详解_python

下面就为大家分享一篇基于Python Numpy的数组array和矩阵matrix详解,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧 NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。 在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用python求线代中的秩中,我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩,例子如下)。 结果是: 线性代数中秩的定义:设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵A的最高阶非零子式,数r称为矩阵A的秩,记作R(A)。 numpy中数组和矩阵的区别: matrix是array的分支,matrix和array在很多时候都是通用的,你用哪一个都一样。但这时候,官方建议大家如果……

网友NO.607123

Numpy掩码式数组详解

下面为大家分享一篇Numpy掩码式数组详解,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧 数据很大形况下是凌乱的,并且含有空白的或者无法处理的字符,掩码式数组可以很好的忽略残缺的或者是无效的数据点。掩码式数组由一个正常数组与一个布尔式数组组成,若布尔数组中为Ture,则表示正常数组中对应下标的值无效,反之False表示对应正常数组的值有效。 创建方法为,首先创建一个布尔型数组,然后通过numpy.ma子程序包提供的函数来创建掩码式数组,掩码式数组提供了各种所需函数。 创建实例如下: import numpy as nporigin = np.arange(16).reshape(4,4) #生成一个4×4的矩阵np.random.shuffle(origin) #随机打乱矩阵元素random_mask = np.random.randint(0,2,size=origin.shape)#生成随机[0,2)的整数的4×4矩阵mask_array = np.ma.array(origin,mask=random_mask)#生成掩码式矩阵print(mask……

网友NO.735899

如何利用pandas将numpy中的数组数据保存到csv文件的方法

接触pandas之后感觉它的很多功能似乎跟numpy有一定的重复,尤其是各种运算。不过,简单的了解之后发现在数据管理上pandas有着更为丰富的管理方式,其中一个很大的优点就是多出了对数据文件的管理。 如果想保存numpy中的数组元素到一个文件中,通过纯Python的文件写入当然是可以实现的,但是总觉得是少了一点便捷性。在这方面,pandas工具的使用就会让工作方便很多。下面通过一个简单的小例子来演示一下。 首先,创建numpy中的数组。 In [18]: arr1 = np.arange(100).reshape(10,10)In [19]: arr1Out[19]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, ……

网友NO.103258

python中找出numpy array数组的最值及其索引方法

下面为大家分享一篇python中找出numpy array数组的最值及其索引方法,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧 在list列表中,max(list)可以得到list的最大值,list.index(max(list))可以得到最大值对应的索引 但在numpy中的array没有index方法,取而代之的是where,其又是list没有的 首先我们可以得到array在全局和每行每列的最大值(最小值同理) a = np.arange(9).reshape((3,3)) aarray([[0, 1, 2], [9, 4, 5], [6, 7, 8]]) print(np.max(a)) #全局最大8 print(np.max(a,axis=0)) #每列最大[6 7 8] print(np.max(a,axis=1)) #每行最大[2 5 8] 然后用where得到最大值的索引,返回值中,前面的array对应行数,后者对应列数 print(np.where(a==np.max(a)))(array([2], dtype=int64), array([2], dtype=int64)) print(np.where(a==np.max(a,axis=0)))(array([2, 2, 2], dtype=int64), array([0, 1, 2], dtype=int64)) 如果array中有相同的最大值,where会将其位置全部……

<
1
>

电子书 编程教程 文档 软件 源码 视频

Copyright 2018-2020 xz577.com 码农之家

本站所有电子书资源不再提供下载地址,只分享来路

免责声明:网站所有作品均由会员网上搜集共同更新,仅供读者预览及学习交流使用,下载后请24小时内删除

版权投诉 / 书籍推广 / 赞助:QQ:520161757