Numpy矩阵乘积函数(dot)运算规则解析

np.dot(A, B)

A为二维m*n的举证,B必须为n*l的矩阵,l两个矩阵的n必须一致,也就是说A有多少列,B就必须有多少行,否则无法运算。结果得到m*l的矩阵

m*l = np.dot(m*n,n*l),m n l指维度,得到m*l的矩阵

运算顺序如下图:

 

程序演示如下:

import numpy as np
A = [[1, 2, 3], [4, 5, 6]]
B = [[3, 2], [4, 3], [4, 3]]
print(np.dot(A, B))

 

结果:

[[23 17]
 [56 41]]

如果A和B的形状交换会怎么样

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NumPy是Python中用于科学计算的重要库之一,其中的ndarray对象能够高效处理大规模数组数据。下面介绍一些常见的numpy矩阵运算。 1. 创建矩阵 可以使用numpy中的array函数来创建矩阵,例如: ```python import numpy as np # 创建一个2x3的矩阵 A = np.array([[1, 2, 3], [4, 5, 6]]) ``` 2. 矩阵加法和减法 矩阵加法和减法需要两个矩阵形状相同,可以直接使用加法和减法运算符,例如: ```python import numpy as np A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) C = A + B # 矩阵加法 D = A - B # 矩阵减法 print(C) # [[ 6 8] # [10 12]] print(D) # [[-4 -4] # [-4 -4]] ``` 3. 矩阵乘法 矩阵乘法有两种方式:点积和矩阵乘法。点积是两个矩阵对应元素相乘再相加的结果,可以使用numpy中的dot函数实现。矩阵乘法是指两个矩阵乘积,需要满足第一个矩阵的列数等于第二个矩阵的行数,可以使用numpy中的matmul函数实现。 ```python import numpy as np A = np.array([[1, 2], [3, 4]]) B = np.array([[5, 6], [7, 8]]) # 点积 C = np.dot(A, B) # 矩阵乘法 D = np.matmul(A, B) print(C) # [[19 22] # [43 50]] print(D) # [[19 22] # [43 50]] ``` 4. 矩阵转置 可以使用numpy中的transpose函数或者T属性来将矩阵转置。 ```python import numpy as np A = np.array([[1, 2], [3, 4]]) # 转置 B = np.transpose(A) C = A.T print(B) # [[1 3] # [2 4]] print(C) # [[1 3] # [2 4]] ``` 这些是numpy中的常见矩阵运算,当然还有很多其他的操作,可以参考官方文档。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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