numpy学习（二）矩阵乘法

numpy的5种乘法：

：矩阵中的数据连乘（np.prod）
：逐元素相乘（*）
：矩阵乘（dot）
：叉乘（np.cross）
：外乘（np.outer）

代码：

###################
l1 = [[1, 2, 3], [4, 5, 6]]
l2 = np.array(l1)
for i in range(len(l1)):
    l3 = [np.prod(l2[i])]
    print(l3)
#################
a = mat([[1, 2, 3], [4, 5, 6]])
b = mat([[2, 2, 3], [2, 4, 1]])
c = np.array(a)*np.array(b)
c = mat(c)
print(c)

######################
d = np.dot(a, np.transpose(b))
print(d)

###############################
e = np.array([1, 0, 0])
f = np.array([0, 1, 0])
g = np.cross(e, f) # x轴叉乘y轴，得到z轴
print(g)

i = np.array([2, 0])
g = np.array([0, 2])
k = np.cross(i, g)
print(k)

#####################
l = np.array([1, 2, 3])
m = np.array([5, 6, 7, 8])
n = np.outer(l, m)
print(n)

结果：

[6]
[120]
[[ 2  4  9]
 [ 8 20  6]]
[[15 13]
 [36 34]]
[0 0 1]
4
[[ 5  6  7  8]
 [10 12 14 16]
 [15 18 21 24]]

补充：关于numpy.prod()

可传参数：numpy.prod(a, axis=None, dtype=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
示例：
–使用整数类型时，算术是模块化的，溢出时不会出现错误。

>>>x = np.array([536870910, 536870910, 536870910, 536870910])
>>>np.prod(x)
16 # may vary

–空数组乘积为1

>>>np.prod([])
1.0

–对于二维数据

>>>np.prod([[1.,2.],[3.,4.]])
24.0

–指定相应维度

>>>np.prod([[1.,2.],[3.,4.]], axis=1)
array([  2.,  12.])

–指定相应元素

>>>np.prod([1., np.nan, 3.], where=[True, False, True])
3.0

–设定初始值

>>>np.prod([1., np.nan, 3.], where=[True, False, True])
3.0