numpy matrix和array的乘和加實例
1. 對于數(shù)組array
乘
就是對應(yīng)位置的元素相乘:
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 1 4] [ 9 16]]
加
就是對應(yīng)位置的相加:
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
2. 對于矩陣matrix
乘
就是矩陣的點乘:
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 7 10] [15 22]]
加
有兩種情況,第一種是X1與X2的大小一致,就是普通的矩陣相加,即對應(yīng)位置相加:
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
第二種情況是n*1的X1 + m*1的X2(或者反過來),就會得到n*m的矩陣:
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. 混用情況
在numpy中存在很多的matrix和array 運算符混用的情況,程序也能通過,但這樣很不好,盡量按照以上原則使用。
如果2維的array想要進行矩陣的點乘運算,可以用np.dot(X1, X2)
如果matrix想要進行對應(yīng)位置的乘,可以用np.multiply(X2,X1)
以上這篇numpy matrix和array的乘和加實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python機器學(xué)習(xí)特征重要性分析的8個常用方法實例探究
本文詳細介紹8種常用的方法,涵蓋了基于決策樹、集成學(xué)習(xí)模型以及統(tǒng)計學(xué)方法的特征重要性分析,從決策樹模型到SHAP值,深入探討每種方法的原理和示例,幫助全面了解如何評估特征的重要性,將能更好地理解特征對模型預(yù)測的貢獻,為提升模型性能和解釋模型決策提供有力支持2024-01-01
Pandas 對Dataframe結(jié)構(gòu)排序的實現(xiàn)方法
下面小編就為大家分享一篇Pandas 對Dataframe結(jié)構(gòu)排序的實現(xiàn)方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04
python用fsolve、leastsq對非線性方程組求解
這篇文章主要為大家詳細介紹了python用fsolve、leastsq對非線性方程組進行求解,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-12-12
Python實現(xiàn)PPT幻燈片的添加、刪除或隱藏操作
PowerPoint文檔是商務(wù)、教育、創(chuàng)意等各領(lǐng)域常見的用于展示、教育和傳達信息的格式,在制作PPT演示文稿時,靈活地操作幻燈片是提高演示效果、優(yōu)化內(nèi)容組織的關(guān)鍵步驟,本文給大家介紹了Python 操作PPT幻燈片- 添加、刪除、或隱藏幻燈片,需要的朋友可以參考下2024-08-08

