numpy中数组(矩阵)的乘法
2021-02-18 15:19
标签：方便 matlab a* mat 优势 乘法 array tla 处理 我们知道在处理数据的时候，使用矩阵间的运算将会是方便直观的。matlab有先天的优势，算矩阵是它的专长。当然我们用python，经常要用到的可能是numpy这个强大的库。 矩阵有两种乘法，点乘和对应项相乘(element-wise product)。在numpy中应该怎么实现呢，看看下面的例子就明白了。 结果一目了然： np.dot(A, B) = A@B = 点乘 np.multiply(A, B) = A*B = 对应项相乘 点乘要求前者的列数等于后者的行数，对应项相乘需要矩阵的形状相同(或者说有矩阵的延拓情况？没有试验过) numpy中数组(矩阵)的乘法 标签：方便 matlab a* mat 优势 乘法 array tla 处理 原文地址：https://www.cnblogs.com/chester-cs/p/12690299.html## A = B = array([[1, 2],
## [3, 4]])
>>>A = np.array([[1,2],[3,4]])
>>>B = np.array([[1,2],[3,4]])
>>>A@B
array([[ 7, 10],
[15, 22]])
>>>np.dot(A,B)
array([[ 7, 10],
[15, 22]])
>>>np.multiply(A,B)
array([[ 1, 4],
[ 9, 16]])
>>>A*B
array([[ 1, 4],
[ 9, 16]])
上一篇：java 文件File操作