扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
本篇内容介绍了“numpy中matrix与array的乘和加实例用法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
1. 对于数组array
乘
就是对应位置的元素相乘：
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 1 4] [ 9 16]]
加
就是对应位置的相加：
X1 = np.array([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
2. 对于矩阵matrix
乘
就是矩阵的点乘:
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2*X1 [[ 7 10] [15 22]]
加
有两种情况，第一种是X1与X2的大小一致，就是普通的矩阵相加，即对应位置相加：
X1 = np.matrix([[1,2], [3, 4]]) X2 = X1 print X2+X1 [[2 4] [6 8]]
第二种情况是n＊1的X1 ＋ m*1的X2（或者反过来），就会得到n*m的矩阵：
X1 = np.matrix([[1,2,3]]) X2 = np.matrix([[1,2,3,4]]).T print X2+X1 [[2 3 4] [3 4 5] [4 5 6] [5 6 7]]
3. 混用情况
在numpy中存在很多的matrix和array 运算符混用的情况，程序也能通过，但这样很不好，尽量按照以上原则使用。
如果2维的array想要进行矩阵的点乘运算，可以用np.dot(X1, X2)
如果matrix想要进行对应位置的乘，可以用np.multiply(X2,X1)
“numpy中matrix与array的乘和加实例用法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网