首页 > 代码库 > python(44):array和matrix的运算
python(44):array和matrix的运算
在NumPy中,array用于表示通用的N维数组,matrix则特定用于线性代数计算。array和matrix都可以用来表示矩阵,二者在进行乘法操作时,有一些不同之处。
使用array时,运算符 * 用于计算数量积(点乘),函数 dot() 用于计算矢量积(叉乘),例子如:
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) print ‘a * b = \n‘, a * b print ‘dot(a, b) = \n‘, np.dot(a, b) 运行的结果为: a * b = [[ 5 12] [21 32]] dot(a, b) = [[19 22] [43 50]]
可见,当a和b为array时, a * b 计算了a和b的数量积(对应Matlab的 a .* b ), dot(a, b) 计算了a和b的矢量积(对应Matlab的 a * b )。
与array不同的是,使用matrix时,运算符 * 用于计算矢量积,函数 multiply() 用于计算数量积,例子如:
import numpy as np a = np.mat(‘1 2; 3 4‘) b = np.mat(‘5 6; 7 8‘); print ‘a * b = \n‘, a * b print ‘multiply(a, b) = \n‘, np.multiply(a, b) 运行结果为: a * b = [[19 22] [43 50]] multiply(a, b) = [[ 5 12] [21 32]]
可见,当a和b为matrix时, a * b 计算了a和b的矢量积,与 multiply(a, b) 计算了a和b的数量积。当使用matrix时,无论是生成矩阵还是计算,Numpy的风格和Matlab更加贴近,降低了语言切换时的负担。
python(44):array和matrix的运算
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。