标签:10 复习 Python 矩阵 相乘 数学 np array 向量
向量和矩阵
- 生成向量:
>>> import numpy as np
>>> x = np.array([1, 2, 3])
>>> x.__class__ #类型
<class 'numpy.ndarray'>
>>> x.shape # 形状
(3,)
>>> x.ndim # 维度
1
- 生成矩阵:
>>> W = np.array([[1, 2, 3], [4, 5, 6]])
>>> W.shape
(2, 3)
>>> W.ndim
2
矩阵的对应元素的运算
>>> W = np.array([[1, 2, 3], [4, 5, 6]])
>>> X = np.array([[0, 1, 2], [3, 4, 5]])
>>> W + X # 相同位置的元素相加
array([[ 1, 3, 5],
[ 7, 9, 11]])
>>> W * X # 相同位置的元素相乘
array([[ 0, 2, 6],
[12, 20, 30]])
广播
在NumPy多维数组中,广播机制使得形状不同的数组也可以进行运算
>>> A = np.array([[1, 2], [3, 4]])
>>> A * 10 # 10被拓展成了2行2列的矩阵,然后进行相乘
array([[10, 20],
[30, 40]])
>>> A = np.array([[1, 2], [3, 4]])
>>> b = np.array([10, 20]) # 被拓展成了2行2列的矩阵,然后相乘
>>> A * b
array([[10, 40],
[30, 80]])
向量内积和矩阵乘积
- 向量内积:
向量的内积可以表示“两个向量在多大程度上指向同一方向”。它的运算是对应位置的元素相乘并求和
>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.dot(a, b)
32
- 矩阵乘积:
>>> A = np.array([[1, 2], [3, 4]])
>>> B = np.array([[5, 6], [7, 8]])
>>> np.dot(A, B)
array([[19, 22],
[43, 50]])
参考资料
https://book.douban.com/subject/35225413/
标签:10,复习,Python,矩阵,相乘,数学,np,array,向量 来源: https://www.cnblogs.com/tiansz/p/16503944.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。