一文搞定python中的multiply()和dot以及用法

最新推荐文章于 2024-03-20 16:33:10 发布

坤坤子的世界

最新推荐文章于 2024-03-20 16:33:10 发布

阅读量2.6k

点赞数 2

分类专栏： python 文章标签： python numpy

本文链接：https://blog.csdn.net/qq_33465047/article/details/128430113

版权

python 专栏收录该内容

10 篇文章

订阅专栏

本文详细介绍了Python中numpy数组和矩阵使用multiply()、dot及*运算符的不同计算方式。*运算符根据操作数类型执行对应位置相乘或矩阵乘法，dot运算符始终进行矩阵乘法，而multiply()则始终执行对应位置相乘。通过多个计算示例，清晰地展示了这些运算符在数组和矩阵操作中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python中的multiply()和dot以及*用法.md

首先创建如下的数组和矩阵,其中a,b为数组，A，B为矩阵

import numpy as np

a = np.arange(1,5).reshape(2,2)

type(a)
Out[3]: numpy.ndarray

b = np.arange(0,4).reshape(2,2)

type(b)
Out[5]: numpy.ndarray

A = np.mat(a)

type(A)
Out[7]: numpy.matrix

B = np.mat(b)

type(B)
Out[9]: numpy.matrix

下面列出数组和矩阵使用multiply()和dot以及*计算的结果，计算场景有点多，这里先给出multiply()、dot以及*之间的区别：

1 * 运算符：当参与计算的类型都为数组时，计算方式为：对应位置相乘，当其中一个类型为矩阵时，则采用矩阵乘法。

2 dot运算符：无论参与计算的是数组还是矩阵，计算方式都为：矩阵乘法，

3 multiply()运算符：无论参与计算的是数组还是矩阵，计算方式都为：对应位置相乘。

数组*数组

a
Out[11]: 
array([[1, 2],
       [3, 4]])

b
Out[12]: 
array([[0, 1],
       [2, 3]])

a * b
Out[13]: 
array([[ 0,  2],
       [ 6, 12]])

矩阵*矩阵

A
Out[14]: 
matrix([[1, 2],
        [3, 4]])

B
Out[15]: 
matrix([[0, 1],
        [2, 3]])

A*B
Out[16]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组dot数组

a
Out[18]: 
array([[1, 2],
       [3, 4]])

b
Out[19]: 
array([[0, 1],
       [2, 3]])

a.dot(b)
Out[20]: 
array([[ 4,  7],
       [ 8, 15]])

矩阵dot矩阵

A
Out[14]: 
matrix([[1, 2],
        [3, 4]])

B
Out[15]: 
matrix([[0, 1],
        [2, 3]])
Out[21]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组multiply数组

a
Out[22]: 
array([[1, 2],
       [3, 4]])

b
Out[23]: 
array([[0, 1],
       [2, 3]])

np.multiply(a,b)
Out[24]: 
array([[ 0,  2],
       [ 6, 12]])

矩阵multiply矩阵

A
Out[25]: 
matrix([[1, 2],
        [3, 4]])

B
Out[26]: 
matrix([[0, 1],
        [2, 3]])

np.multiply(A,B)
Out[27]: 
matrix([[ 0,  2],
        [ 6, 12]])

数组*矩阵

a
Out[29]: 
array([[1, 2],
       [3, 4]])

B
Out[30]: 
matrix([[0, 1],
        [2, 3]])

a * B
Out[31]: 
matrix([[ 4,  7],
        [ 8, 15]])

矩阵*数组

a
Out[29]: 
array([[1, 2],
       [3, 4]])

B
Out[30]: 
matrix([[0, 1],
        [2, 3]])

a * B
Out[31]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组dot矩阵

a
Out[35]: 
array([[1, 2],
       [3, 4]])

B
Out[36]: 
matrix([[0, 1],
        [2, 3]])

a.dot(B)
Out[37]: 
matrix([[ 4,  7],
        [ 8, 15]])

矩阵dot数组

A
Out[38]: 
matrix([[1, 2],
        [3, 4]])

b
Out[39]: 
array([[0, 1],
       [2, 3]])

A.dot(b)
Out[40]: 
matrix([[ 4,  7],
        [ 8, 15]])

数组multiply矩阵

a
Out[41]: 
array([[1, 2],
       [3, 4]])

B
Out[42]: 
matrix([[0, 1],
        [2, 3]])

np.multiply(a,B)
Out[43]: 
matrix([[ 0,  2],
        [ 6, 12]])

矩阵multiply数组

A
Out[44]: 
matrix([[1, 2],
        [3, 4]])

b
Out[45]: 
array([[0, 1],
       [2, 3]])

np.multiply(A,b)
Out[46]: 
matrix([[ 0,  2],
        [ 6, 12]])