个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
35
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章python中数组和矩阵乘法及使用总结（推荐）由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
matrix是array的一个小的分支，包含于array。所以matrix 拥有array的所有特性.
但在数组乘和矩阵乘时,两者各有不同,如果a和b是两个matrices，那么a*b，就是矩阵积 。
如果a,b是数组的话,则a*b是数组的运算 。
1.对数组的操作 。
|
1
|
>>>
import
numpy as np
|
|
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
|
>>> a
=
np.array([[
1
,
2
,
3
],[
4
,
5
,
6
],[
7
,
8
,
9
]])
>>> a
array([[
1
,
2
,
3
],
[
4
,
5
,
6
],
[
7
,
8
,
9
]])
>>> b
=
a.copy()
>>> b
array([[
1
,
2
,
3
],
[
4
,
5
,
6
],
[
7
,
8
,
9
]])
>>> a
+
b
#多维数组的加减,按对应位置操作
array([[
2
,
4
,
6
],
[
8
,
10
,
12
],
[
14
,
16
,
18
]])
>>> a
*
3
#多维数组乘常数,则对数组中每一个元素乘该常数
array([[
3
,
6
,
9
],
[
12
,
15
,
18
],
[
21
,
24
,
27
]])
>>> np.dot(a,b)
#数组的点乘运算通过np.dot(a,b)来实现,相当于矩阵乘
array([[
30
,
36
,
42
],
[
66
,
81
,
96
],
[
102
,
126
,
150
]])
>>> c
=
np.array([
1
,
2
,
3
])
#构造一行三列的数组
>>> c
array([
1
,
2
,
3
])
>>> c
*
a
#c为一行三列,放于数组a之前,则对数组a中每行对应位置相乘
array([[
1
,
4
,
9
],
[
4
,
10
,
18
],
[
7
,
16
,
27
]])
>>> a
*
c
#c为一行三列,放于数组a之后,依旧是对数组a中每行对应位置相乘
array([[
1
,
4
,
9
],
[
4
,
10
,
18
],
[
7
,
16
,
27
]])
>>>
#如果想要矩阵运算,则需要np.dot()函数
>>> np.dot(c,a)
#c为一行三列,放于数组a之前,按正常矩阵方式运算
array([
30
,
36
,
42
])
>>> np.dot(a,c)
#c为一行三列,放于数组a之后,相当于矩阵a乘以3行一列的c矩阵,返回结果值不变,格式为1行3列
array([
14
,
32
,
50
])
>>>
#将c改为多行一列的形式
>>> d
=
c.reshape(
3
,
1
)
>>> d
array([[
1
],
[
2
],
[
3
]])
>>>
#
>>> np.dot(a,d)
#值与np.dot(a,c)一致,但格式以改变为3行1列
array([[
14
],
[
32
],
[
50
]])
>>> a
*
a
#数组使用*的运算其结果属于数组运算,对应位置元素之间的运算
array([[
1
,
4
,
9
],
[
16
,
25
,
36
],
[
49
,
64
,
81
]])
>>>
#但是不能更改a,d点乘的位置,不符合矩阵运算格式
>>> np.dot(d,a)
traceback (most recent call last):
file
"<pyshell#28>"
, line
1
,
in
<module>
np.dot(d,a)
valueerror: shapes (
3
,
1
)
and
(
3
,
3
)
not
aligned:
1
(dim
1
) !
=
3
(dim
0
)
|
对于数组的转置,求逆,求迹运算请参考上篇文章 。
2.对矩阵的操作 。
|
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
|
>>> a
=
np.array([[
1
,
2
,
3
],[
4
,
5
,
6
],[
7
,
8
,
9
]])
>>> a
=
np.mat(a)
>>> a
matrix([[
1
,
2
,
3
],
[
4
,
5
,
6
],
[
7
,
8
,
9
]])
>>> b
=
a
>>> b
matrix([[
1
,
2
,
3
],
[
4
,
5
,
6
],
[
7
,
8
,
9
]])
>>> a
+
b
#矩阵的加减运算和数组运算一致
matrix([[
2
,
4
,
6
],
[
8
,
10
,
12
],
[
14
,
16
,
18
]])
>>> a
-
b
matrix([[
0
,
0
,
0
],
[
0
,
0
,
0
],
[
0
,
0
,
0
]])
>>> a
*
b
#矩阵的乘用*即可表示
matrix([[
30
,
36
,
42
],
[
66
,
81
,
96
],
[
102
,
126
,
150
]])
>>> np.dot(a,b)
#与*一致
matrix([[
30
,
36
,
42
],
[
66
,
81
,
96
],
[
102
,
126
,
150
]])
>>> b
*
a
matrix([[
30
,
36
,
42
],
[
66
,
81
,
96
],
[
102
,
126
,
150
]])
>>> np.dot(b,a)
matrix([[
30
,
36
,
42
],
[
66
,
81
,
96
],
[
102
,
126
,
150
]])
>>> c
=
np.array([
1
,
2
,
3
])
#构造一行三列数组
>>> c
array([
1
,
2
,
3
])
>>> c
*
a
#矩阵运算
matrix([[
30
,
36
,
42
]])
>>> a
*
c
#不合矩阵规则
traceback (most recent call last):
file
"<pyshell#63>"
, line
1
,
in
<module>
a
*
c
file
"f:\python3\anzhuang\lib\site-packages\numpy\matrixlib\defmatrix.py"
, line
309
,
in
__mul__
return
n.dot(
self
, asmatrix(other))
valueerror: shapes (
3
,
3
)
and
(
1
,
3
)
not
aligned:
3
(dim
1
) !
=
1
(dim
0
)
>>> np.dot(c,a)
#和矩阵运算一致
matrix([[
30
,
36
,
42
]])
>>> np.dot(a,c)
#自动将a转换成3行1列参与运算,返回结果格式已经变为1行3列而非3行一列的矩阵
matrix([[
14
,
32
,
50
]])
>>> c
=
c.reshape(
3
,
1
)
>>> c
array([[
1
],
[
2
],
[
3
]])
>>> a
*
c
#和矩阵运算一致
matrix([[
14
],
[
32
],
[
50
]])
>>> c
*
a
#不合矩阵运算格式
traceback (most recent call last):
file
"<pyshell#71>"
, line
1
,
in
<module>
c
*
a
valueerror: shapes (
3
,
1
)
and
(
3
,
3
)
not
aligned:
1
(dim
1
) !
=
3
(dim
0
)
|
矩阵运算的另一个好处就是方便于求转置,求逆,求迹 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
>>> a
matrix([[
1
,
2
,
3
],
[
4
,
5
,
6
],
[
7
,
8
,
9
]])
>>> a.t
matrix([[
1
,
4
,
7
],
[
2
,
5
,
8
],
[
3
,
6
,
9
]])
>>> a.h
#共轭转置
matrix([[
1
,
4
,
7
],
[
2
,
5
,
8
],
[
3
,
6
,
9
]])
>>> b
=
np.eye(
3
)
*
3
>>> b
array([[
3.
,
0.
,
0.
],
[
0.
,
3.
,
0.
],
[
0.
,
0.
,
3.
]])
>>> b
=
np.mat(b)
>>> b.i
#求逆运算
matrix([[
0.33333333
,
0.
,
0.
],
[
0.
,
0.33333333
,
0.
],
[
0.
,
0.
,
0.33333333
]])
>>> np.trace(b)
#求迹运算
9.0
|
以上所述是小编给大家介绍的python中数组和矩阵乘法及使用总结详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对我网站的支持！ 。
原文链接：https://blog.csdn.net/manjhOK/article/details/80017892最后此篇关于python中数组和矩阵乘法及使用总结（推荐）的文章就讲到这里了,如果你想了解更多关于python中数组和矩阵乘法及使用总结（推荐）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
35
4
0
1、定义 设 \(u\) 和 \(v\) 为一张图上的任意两个节点。令 \(c(u, v)\) 为它们之间的边的容量， \(f(u, v)\) 为它们之间的流量，则需要满足以
1、前言 工作中涉及到文件系统，有时候需要判断文件和目录是否存在。我结合apue第四章文件和目录，总结一下如何正确判断文件和目录是否存在，方便以后查询。 2、stat系列函数 stat函数用来
并查集(Union-Find Set)： 一种用于管理分组的数据结构。它具备两个操作：(1)查询元素a和元素b是否为同一组 (2) 将元素a和b合并为同一组。 注意：并查集不能将在同一组的元素拆
当下，注解非常流行，以前很长篇的代码，现在基本上一个注解就能搞定。 那，在Mybatis中又有哪些注解呢？ Mybatis中的注解基本上都在org.apache.ibatis.annotat
指针操作数组，方法一是p+index，方法二是p[index]，第二种方法跟数组访问方法是一样的。 数组引用返回的是数组的第一个元素的指针地址。 可以将指针指向数组的任意元素，然后从那里开始访问
通常部署完php环境后会进行一些安全设置，除了熟悉各种php漏洞外，还可以通过配置php.ini来加固PHP的运行环境，PHP官方也曾经多次修改php.ini的默认设置。 下面对php.ini中一
在JavaScript中，使用typeof可以检测基本数据类型，使用instanceof可以检测引用数据类型。在PHP中，也有检测数据类型的方法，具体如下： 1、输出变量的数据类型（gettype
把图片缓存到本地，在很多场景都会用到，如果只是存储文件信息，那建一个plist文件，或者数据库就能很方便的解决问题，但是如果存储图片到沙盒就没那么方便了。这里简单介绍两种保存图片到沙盒的方法。
（1）需要安装docker容器，在docker容器内安装jenkins，gogs，tomcat。 新建maven项目，添加findbugs plugin。 使用docker
今天主题是实现并发服务器，实现方法有多种版本，先从简单的单进程代码实现到多进程，多线程的实现，最终引入一些高级模块来实现并发TCP服务器。 说到TCP，想起吐槽大会有个段子提到三次握手，也只有程序
如下所示： Ctrl+1或F2快速修复 Ctrl+D快捷删除行 Shift+Enter 快速切换到下一行，在本行的任何位置都可 Ctrl+F11快速运行代码 Alt+上下键 快速移动行（可
JSP是Servlet技术的扩展，本质上是Servlet的简易方式，更强调应用的外表表达。 JSP编译后是”类servlet”。 Servlet和JSP最主要的不同点在于，Servlet的应用逻辑
Java中的Runable,Callable,Future,FutureTask,ExecutorService,Excetor,Excutors,ThreadPoolExcetor在这里对这些关键
读取Java文件到byte数组的三种方法(总结) ? 1
用java实现的数组创建二叉树以及递归先序遍历，递归中序遍历，递归后序遍历，非递归前序遍历，非递归中序遍历，非递归后序遍历，深度优先遍历，广度优先遍历8种遍历方式：
1、简明总结 ASCII(char) 返回字符的ASCII码值 BIT_LENGTH(str) 返回字符串的比特长度 CONCAT(s1,s2…,sn)
java应用服务器(web server)，是指运行java程序的web应用服务器软件，不包括nginx、Apache等通用web服务器软件。 一、Tomcat Tomcat是Apache 软件基
事务作为抽象层，允许应用忽略DB 内部一些复杂并发问题和某些硬件、软件故障，简化应用层的处理逻辑：事务中止（transaction abort），而应用仅需重试。对复杂访问模式，事务可大大减少需要考虑
我们在本教程学习了如何描述 XML 文档的结构 我们学习到了如何使用 DTD 来定义一个 XML 文档的合法元素，以及如何在我们的 XML 内部或者作为一个外部引用来声明 DTD 我们学习了如何为
在这个XPath 基础教程中我们讲解了如何在 XML 文档中查找信息 我们可以使用 XPath 的元素和属性在 XML 文档中进行导航 我们也学习了如何使用 XPath 中内建的某些标准函数 如
我是一名优秀的程序员,十分优秀！