关于numpy中Array乘法的记录

本文记录了在机器学习实践中遇到的numpy数组乘法问题,详细探讨了在Python中如何进行numpy数组的乘法规则和相关操作。
摘要由CSDN通过智能技术生成

在机器学习中遇到的一点有关python的小问题


a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([1,2,3])
print a*b 
print a+b
print b*a
print b+a
c=np.dot(a, b)
print c
print np.shape(c)
d = np.dot(b, a)
print d
print np.shape(d)
# [[ 2  4  6]
#  [ 5  7  9]
#  [ 8 10 12]]
# [[ 1  4  9]
#  [ 4 10 18]
#  [ 7 16 27]]
# [[ 2  4  6]
#  [ 5  7  9]
#  [ 8 10 12]]
# [14 32 50]
# (3,)
# [30 36 42]
# (3,)
# 由此可见,b为行向量还是列向量时,是看具体用的时候在矩阵左边还是右边,会自动变换
# numpy.dot()是矩阵乘法
# 而有关‘*’,‘+’
# 如果两个数组大小一样,按照对应元素相乘或相加
# 如果像a*b,或a+b,则a中的每一列的每个数与b中的每一列的每个数都相乘,即扩大a中每一列的倍数(相加时也是一样)
# b*a ,这个结果与a*b是一样的


numpyarray是一个多维数组,可以用于存储和处理多维数据。以下是numpyarray的常用用法: 1. 创建一个array:可以通过numpy.array()函数创建一个array,也可以通过其他numpy函数(如numpy.zeros()和numpy.ones())创建。 2. 访问和修改array的元素:可以通过索引访问和修改array的元素,索引从0开始。 3. 对array进行运算:可以进行基本的数学运算,如加、减、乘、除,也可以进行向量和矩阵运算,如点乘、矩阵乘法、求逆等。 4. 向array添加元素:可以通过numpy.append()函数向array添加元素,也可以通过numpy.concatenate()函数将两个array合并。 5. 对array进行切片操作:可以通过切片操作获取array的某一部分,也可以修改array的某一部分。 6. 对array进行统计计算:可以使用numpy的统计函数,如numpy.mean()、numpy.median()、numpy.std()等对array进行统计计算。 7. 对array进行排序:可以使用numpy的排序函数,如numpy.sort()、numpy.argsort()、numpy.lexsort()等对array进行排序。 8. 对array进行形状变换:可以使用numpy的reshape()函数对array进行形状变换,也可以使用transpose()函数对array进行转置。 9. 对array进行逻辑运算:可以使用numpy的逻辑运算函数,如numpy.logical_and()、numpy.logical_or()、numpy.logical_not()等对array进行逻辑运算。 10. 对array进行随机数生成:可以使用numpy的random模块生成随机数,如numpy.random.rand()、numpy.random.randn()、numpy.random.randint()等。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值