np.subtract.outer()

最新推荐文章于 2024-04-25 03:03:49 发布
最新推荐文章于 2024-04-25 03:03:49 发布
阅读量6.2k 收藏 19
点赞数 14
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43584807/article/details/103093386
版权
这篇博客介绍了np.subtract.outer()的使用方法，通过举例和代码解释了该函数如何创建一个矩阵，使得矩阵中的每个元素是两个输入向量对应元素的差值。通过实例展示了如何用这个函数在Python中构建一个比较矩阵。
摘要由CSDN通过智能技术生成

关于np.subtract.outer()的使用，以下做简单介绍

import numpy as np

a = np.array([5,6,7])
b = np.array([9,12,10])

np.subtract.outer(b,a)
Out[11]: 
array([[4, 3, 2],
       [7, 6, 5],
       [5, 4, 3]])

上述代码或许之前没接触np.subtract.outer()的人会晕住，这是什么情况?似乎没有规律可言，其实是有的
请看，

9 - 5 = 4
9 - 6 = 3
9 - 7 = 2

12 - 5 = 7
12 - 6 = 6
12 - 7 = 5

10 - 5 = 5
10 - 6= 4
10 - 7= 3

你看懂了吗？
用代码来写就是：
其实，上面三行等价于：

b[:,None]-a


                

                
                
        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  葑歆
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
Numpy练习-求柯西矩阵及其行列式-np.subtract.outer()

				
			

			

				

					从零开始的编码生活
				

				

					07-17
					
					1940
					
				

			

		

		

			
				
np.subtract.outer(A, B)
np.subtract.outer用于对两个数列之间的元素进行规律性的运算，生成新的数组。
具体运算方式：
假设A(i,j)=aij,B(i,j)=bijA_{(i,j)} = a_{ij}, B_{(i,j)} = b_{ij}A(i,j)​=aij​,B(i,j)​=bij​，则对于通过np.subtract.outer生成的数组ZZZ, 有Z(i,j)=zij=aij−bijZ_{(i,j)} = z_{ij} =  a_{ij}- b_{ij}Z(i,

			
		

	



                

              
                



	

		

			

				
					
Numpy中进行数组数据相减运算（-号或者np.subtract）

					
热门推荐

				
			

			

				

					sdgfbhgfj的博客
				

				

					03-28
					
					1万+
					
				

			

		

		

			
				
Numpy中进行数组数据相减运算（-号或者np.subtract）

			
		

	



                


  
              

                


	

		

			

				
					
numpy学习：np.subtract.outer

				
			

			

				

					Sally9116的博客
				

				

					01-24
					
					1364
					
				

			

		

		

			
				
顾名思义，将传入参数分别转化为至少两维 。

注意事项：

不会改变数据类型
对于多参数情形，会用一个方括号将多参数嵌套起来


import numpy as np

a = np.atleast_2d(2)
print(a) # [[2]]

b = np.atleast_2d(2.0)
print(b) # [[2.]]

c = np.atleast_2d(2, 3, 4)
print(c) # [array([[2]]), array([[3]]), array([[4]])]

d = np.a

			
		

	





	

		

			

				
					
np.dot(),np.outer(),np.multiply(),*

				
			

			

				

					coder
				

				

					07-29
					
					6297
					
				

			

		

		

			
				
这一个博客主要是整理所有的关于矩阵还是数组的乘法的细节。

代码：

你需要在下面的代码里面主要到这些点：

（1）：np.dot()如果碰到的是秩为1的数组，那么执行的是对应位置的元素相乘再相加;如果遇到的是秩不为1的数组，那么执行的是矩阵相乘。但是需要注意的是矩阵与矩阵相乘是秩为2，矩阵和向量相乘秩为1。

（2）：np.multiply()表示的是数组和矩阵对应位置相乘，输出和输出的结果sh...

			
		

	



		

			
		



	

		

			

				
					
np.outer(),np.sum()

				
			

			

				

					庾信平生最萧瑟
				

				

					10-22
					
					459
					
				

			

		

		

			
				
np.outer(),np.sum()

1、np.outer()

每次拿第一个输入量的一个元素与第二个输入量相乘作为一行，直到第一个输入量的元素遍历完。


import numpy as np
a=np.array([[1,2],
            [3,4]])

b = np.array([1,3])
print(np.outer(a, b))

# [[ 1  3]
#  [ 2...

			
		

	





	

		

			

				
					
# np.outer(a,b)

				
			

			

				

					Chenglin(Ben) Yu's Miracle
				

				

					07-13
					
					679
					
				

			

		

		

			
				
np.outer(a,b)
官方文档讲np.outer返回的是两个向量的outer product.
这个outer product和我们一贯认为的外积是不一样的。
看代码
test.py
import numpy as np
if __name__ == '__main__':
    a = [1,2,3,4]
    b = [2,3,4,5]
    print(np.outer(a,b)...

			
		

	





	

		

			

				
					
给定两个数组X和Y，构造Cauchy矩阵C (Cij =1/(xi - yj))
(提示: np.subtract.outer)

					
最新发布

				
			

			

				

					09-10
				

			

		

		

			
				
3. 接着，使用NumPy库中的`np.subtract.outer`函数计算X'和Y'的外差，这将得到一个m行n列的矩阵，记为D，其中D的每个元素D[i, j] = X'[i] - Y'[j]。 4. 最后，对矩阵D中的每个元素取倒数，得到最终的Cauchy矩阵C。  ...

			
		

	





	

		

			

				
					
standard_points = np.logspace(np.log10(0.1), np.log10(10), 20) # 使用了numpy库中的subtract.outer函数来计算每个数据点与参考点之间的差值， # 再使用argmin函数来找到差值最小的参考点的索引。最后，根据索引找到对应的参考点即可。 nearest_points = xf[np.abs(np.subtract.outer(standard_points, xf)).argmin(axis=1)] print(nearest_points)

				
			

			

				

					06-08
				

			

		

		

			
				
2. 使用 `np.subtract.outer` 函数计算每个 `standard_points` 和 `xf` 中所有数之间的差值，得到一个形状为 (20, len(xf)) 的数组。  3. 对这个数组沿着第二个维度使用 `argmin` 函数，得到每个 `standard_points` ...

			
		

	





	

		

			

				
					
【NumPy】深入解析numpy.subtract()函数

				
			

			

				

					2402_83361138的博客
				

				

					04-18
					
					1199
					
				

			

		

		

			
				
函数作为NumPy库中的一个基础函数，为数组和矩阵的减法运算提供了高效且灵活的实现方式。当我们处理大型数组或矩阵时，Python内置的减法运算符可能无法提供足够的性能。：在进行减法运算之前，请确保输入数组的形状是兼容的，或者至少满足NumPy的广播机制。函数基于NumPy库的高性能数组操作机制，实现了向量和矩阵的减法运算。参数将结果直接存储在预先分配的数组中，以减少不必要的内存分配和复制操作。函数可以快速计算两个数组之间的差值，帮助我们分析数据的变化趋势。函数的原理、用法、应用场景及其在编程实践中的作用。

			
		

	





	

		

			

				
					
两个数组对应位置元素相减numpy.subtract()

				
			

			

				

					liujingwei8610的专栏
				

				

					03-23
					
					1733
					
				

			

		

		

			
				
欢迎大家转发，一起传播知识和正能量，帮助到更多人。期待大家提出宝贵改进建议，互相交流，收获更大。print("【执行】np.subtract(a1,a2)")期待大家提出宝贵建议，互相交流，收获更大，助教：dqf。【小白从小学Python、C、Java】print("【显示】a1 =",a1)print("【显示】a2 =",a2)【计算机等级考试+500强双证书】D选项：这个函数实现两个数组相乘。C选项：执行结果返回一个数组。【Python-数据分析】A选项：a1是一维数组。B选项：a2是一维数组。

			
		

	





	

		

			

				
					
numpy.outer()函数

				
			

			

				

					u011699626的博客
				

				

					09-20
					
					1万+
					
				

			

		

		

			
				
函数作用：通常用来计算两个向量的外积。
函数调用方法：
numpy.outer(a, b, out=None)

各个参数意义：
a：第一个输入向量，向量维度为(M,1)。
b：第二个输入向量。向量维度为(N,1)。
out：设置结果的保存位置，通常使用默认值None，不需要做多余处理。
有返回值，返回一个维度为(M,N)的ndarray数组。
代码如下：
import numpy as np


class NumpyStudy:
    @staticmethod
    def mainProgram

			
		

	





	

		

			

				
					
np.outer 使用

				
			

			

				

					qq1483661204的博客
				

				

					12-31
					
					5271
					
				

			

		

		

			
				
np.outer（a,b）计算矩阵的外积，也就是把a当做列向量，b当做行向量，得到一个n*m的矩阵，例如:


np.outer(np.array([3,4]),np.array([2,3]))

结果是;


array([[ 6,  9],
       [ 8, 12]])

3*2=6 3*3=9,4*2=8,4*3=12

就是a中每个元素与b中元素相乘。
...

			
		

	





	

		

			

				
					
numpy_subtract函数

				
			

			

				

					健身房
				

				

					01-01
					
					5746
					
				

			

		

		

			
				
  numpy的subtract函数用于对矩阵进行减法计算。
import numpy as np

a = np.random.randint(9, size=(3, 3))
print("a =", a)
b = np.random.randint(9, size=(3, 3))
print("b =", b)
print("a - b =", np.subtract(a, b))

执行结果：
a = [[5 7 6]
     [0 2 7]
     [5 8 6]]
b = [[8 7 1]
 

			
		

	





	

		

			

				
					
numpy常用乘法函数总结：np.dot()、np.multiply()、*、np.matmul()、@、np.prod()、np.outer()

				
			

			

				

					qq_43629945的博客
				

				

					04-25
					
					6978
					
				

			

		

		

			
				
np.dot() 向量点积+矩阵乘法；np.multiply() 或者 * 在array下均为元素对位乘，但在mat/matrix下后者变为矩阵乘法；np.matmul() 或者 @ 完全等价，为矩阵乘法；np.prod() 返回数组中元素的乘积，可指定axis；np.outer() 外积，拿第一个向量的元素分别与第二个向量所有元素相乘得到的结果的一行，以此类推

			
		

	





	

		

			

				
					
numpy.outer

				
			

			

				

					wzg2016的博客
				

				

					08-16
					
					758
					
				

			

		

		

			
				
y = numpy.outer（a,b）:

       其中：a,b是两个矢量，函数的作用是:   ,如果,那么

 

 

numpy.outer(a, b, out=None)[source]

Compute the outer product of two vectors.

Given two vectors, a = [a0, a1, ..., aM] and b = [b0, ...

			
		

	





	

		

			

				
					
np.dot(),np.outer(),np.multiply()等函数的区别

				
			

			

				

					rocking_struggling的博客
				

				

					04-08
					
					934
					
				

			

		

		

			
				
原文链接：https://blog.csdn.net/m0_37393514/article/details/81273363

                                            这一个博客主要是整理所有的关于矩阵还是数组的乘法的细节。
代码：
你需要在下面的代码里面主要到这些点：
（1）：np.dot()如果碰到的是秩为1的数组，那么执行的是对应位置的元素相...

			
		

	





	

		

			

				
					
Numpy系列（二）：数组函数ufunc

				
			

			

				

					hustlei的专栏
				

				

					12-18
					
					1557
					
				

			

		

		

			
				
文章目录1. Numpy数组函数ufunc简介2. 思维导图3. 基本运算3.1	四则运算3.2	比较运算3.3 布尔运算3.4 位运算4. 自定义ufunc5. ufunc广播5.1 广播的步骤及条件5.2 创建可广播数组5.2.1 ogrid5.2.2 一维数组手工创建可广播数组5.2.3 创建广播后的数组6. ufunc的方法6.1 reduce6.2 accumulate6.2 outer7. ufunc广播特例行向量和列向量自动广播创建可广播数组根据范围创建广播后数组outer方法模拟向量广播
1

			
		

	





	

		

			

				
					
NumPy高级应用2-ufunc高级应用

				
			

			

				

					低到尘埃，仰望星空
				

				

					08-20
					
					378
					
				

			

		

		

			
				
NumPy的通用函数的一些高级用法能使我们丢开循环编写出更为简洁的代码。 
以下代码引入的包和模块：

from numpy.random import randn
import numpy as np

1、  用np.add.reduce对数组中的各个元素进行求和比sum快

arr = np.arange(10)
%timeit np.sum(arr)
#out[]:
#2.39 µs ± ...

			
		

	





	

		

			

				
					
indesign在python中是什么意思_用Python做深度学习一:数学基础帖子详情 - 网易云课堂...

				
			

			

				

					weixin_28778267的博客
				

				

					02-16
					
					160
					
				

			

		

		

			
				
18. Consider a (6,7,8) shape array, what is the index (x,y,z) of the 100th element?print(np.unravel_index(100,(6,7,8)))#看不懂是什么意思20. Normalize a 5x5 random matrix (★☆☆)Z=np.random.random((5,5))Zmax,...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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