numpy中的np.outer()
result = numpy.outer(a, b) 用來求外積的,非常直觀,比矩陣相乘簡單
1. a,b是兩個陣列,如果a,b是高維陣列,函式會自動將其flatten成1維
2. a的長度是m,b的長度是n,外積的結果result是 m * n的陣列,陣列元素為 result[i,j] = a[i] * a[j]
3. 計算公式如下
a = [a1, …, am] and b = [ b1, …, bn]
result=[
[a1*b1, a1*b2,…,a1*bn]
[a2*b1, a2*b2,…,a2*bn]
…
[am*b1, am*b2,…,am*bn]
]
具體示例
np.outer([1,2,3],[4,5,6])
np.outer([[1],[2],[3]],[4,5,6])
上面兩句執行結果都是
array([[ 4, 5, 6],
[ 8, 10, 12],
[12, 15, 18]])
相關推薦
Python雜談 | (四)NumPy中np.c_和np.r_的用法
目錄 一、np.c_ 二、np.r_ 一、np.c_ np.c_[a,b,c...]可以拼接多個數組,要求待拼接的多個數組的行數必須相同: arr1=np.array([1,2,3]) print(arr1.shape) #(3,)代表arr1是一個包含3個元素的一維陣列
numpy中np.c_和np.r_
例子 import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.c_[a,b] print(np.r_[
numpy中的np.outer()
Welcome To My Blog result = numpy.outer(a, b) 用來求外積的,非常直觀,比矩陣相乘簡單 1. a,b是兩個陣列,如果a,b是高維陣列,函式會自動將其flatten成1維 2. a的長度是m,b的長度是n,外積的結果result是 m
python中numpy.zeros(np.zeros)的使用方法
用法:zeros(shape, dtype=float, order='C') 返回:返回來一個給定形狀和型別的用0填充的陣列; 引數:shape:形狀 dtype:資料型別,可選引數,預設numpy.float64 dtype型別: t ,位域,如t4代表4位 b,布林值,true o
numpy中的np.newaxis
import numpy as np x_data=np.linspace(-0.5,0.5,10) print(x_data) 輸出結果為 [-0.5 -0.38888889 -0.27777778 -0.16666667 -0.05555
numpy中的np.max 與 np.maximum區別
1. 引數 首先比較二者的引數部分: np.max:(a, axis=None, out=None, keepdims=False) 求序列的最值 最少接收一個引數 axis:預設為列向(也即 axis=0),axis = 1 時為行方向的最值; np.maximum:(
numpy筆記—np.sum中keepdims作用
font randn 們的 and 減少 true dom 代碼 shape A = np.random.randn(4,3) B = np.sum(A, axis = 1, keepdims = True) 我們使用(keepdims = True)來確保 A
第六篇:python中numpy.zeros(np.zeros)的使用方法
numpy 使用方法 符號 語言 unicode matrix res .net als 用法:zeros(shape, dtype=float, order=‘C‘) 返回:返回來一個給定形狀和類型的用0填充的數組; 參數:shape:形狀 dtype:數據類型,可選參數
numpy中實用但不常見的方法(3)np.argsort
numpy.argsort(a, axis=-1, kind=’quicksort’, order=None) 功能: 將矩陣a按照axis排序,並返回排序後的下標 引數: a:輸入矩陣, axis
numpy中實用但不常見的方法(2)np.repeat
numpy.repeat(a, repeats, axis=None) 功能: 將矩陣A按照給定的axis將每個元素重複repeats次數 引數: a:輸入矩陣, repeats:每個元素重複的次數
numpy中一些常用函數的用法總結
num matrix 空白 記錄 維數 補充 結果 創建 array 先簡單記錄一下,後續補充詳細的例子 1. strip()函數 s.strip(rm):s為字符串,rm為要刪除的字符序列 只能刪除開頭或是結尾的字符或者字符串。不能刪除中間的字符或是字符串 當rm為空
Numpy中的flatten是按照什麽方式進行工作。
arr div () flat 方式 class col num cnblogs a = [[[1,2],[3,4]],[[5,6],[7,8]]] a = np.ndarray(a) array([[[1, 2], [3, 4]], [
Numpy中Meshgrid函數介紹及2種應用場景
我們 wdk fbx images 文章 () dcb markdown grid 近期在好幾個地方都看到meshgrid的使用,雖然之前也註意到meshgrid的用法。但總覺得印象不深刻,不是太了解meshgrid的應用場景。所以,本文將進一步介紹Numpy中mesh
numpy中int類型與python中的int
nbsp python pan num blog res port numpy log 【code】 import numpy as np nparr = np.array([[1 ,2, 3, 4]]) np_int32 = nparr[0][0] # np_in
Numpy 模塊的學習 numpy中random模塊
.net 數組創建 訪問 unit spa dom ref log imp 三個網址推薦: 1 http://blog.csdn.net/yhb315279058/article/details/50226075 2 http://www.jb51.net/articl
numpy中的廣播機制
AD 並且 block .cn image RR ray and tin 廣播的引出 numpy兩個數組的相加、相減以及相乘都是對應元素之間的操作。 import numpy as np x = np.array([[2,2,3],[1,2,3]]) y
numpy 中的axis軸問題
div .sh sum函數 sha sum 重要 col 函數 得到 在numpy庫中,axis軸的問題比較重要,不同的值會得到不同的結果,為了便於理解,特此將自己的理解進行梳理 為了梳理axis,借助於sum函數進行! a = np.arange(27).reshape
【python】Numpy中stack(),hstack(),vstack()函數詳解
一起 int pan 控制 意思 name 體會 你們 如何 轉自 https://blog.csdn.net/csdn15698845876/article/details/73380803 這三個函數有些相似性,都是堆疊數組,裏面最難理解的應該就是stack()函數了,
numpy中的random
reac idt for line 給定 imp shuf increase dev 翻譯自官網的文檔。轉自http://www.mamicode.com/info-detail-507676.html 隨機抽樣 (numpy.random) 簡單的隨機數據 ra
python numpy中數組.min()
col import numpy style () imp 數組 spa ray import numpy as np a = np.array([[1,5,3],[4,2,6]]) print(a.min()) #無參,所有中的最小值 print(a.min(0)) #