logo

numpy.dot() Pythonban

A Python numpy modulja funkciót biztosít két tömb pontszorzatának végrehajtására.

  • Ha mind az 'a', mind a 'b' tömb egydimenziós tömb, akkor a dot() függvény végrehajtja a vektorok belső szorzatát (komplex konjugáció nélkül).
  • Ha mind az 'a', mind a 'b' tömb kétdimenziós tömb, a dot() függvény végrehajtja a mátrixszorzást. De mátrixszorzáshoz használja a szőnyeg vagy 'a' @ 'b' előnyös.
  • Ha az 'a' vagy a 'b' 0-dimenziós (skalár), a dot() függvény hajtja végre a szorzást. Továbbá a használata numpy.multiply(a, b) vagy a *b módszer előnyben részesítendő.
  • Ha 'a' egy N-dimenziós tömb, 'b' pedig egydimenziós tömb, akkor a dot() függvény végrehajtja az összegszorzatot a és b utolsó tengelye felett.
  • Ha 'a' egy M-dimenziós tömb, és 'b' egy N-dimenziós tömb (ahol N>=2), akkor a dot() függvény végrehajtja az összegszorzatot 'a' és a második tengelye felett. - 'b' utolsó tengelyéig:
 dot(a, b)[i,j,k,n] = sum(a[i,j,:] * b[k,:,n]) 

Szintaxis

 numpy.dot(a, b, out=None) 

Paraméterek

a: array_like

Ez a paraméter határozza meg az első tömböt.

b: array_like

java string formátum hosszú

Ez a paraméter határozza meg a második tömböt.

kimenet: ndarray (opcionális)

Ez egy kimeneti argumentum. Pontosan olyan típusúnak kell lennie, amelyet visszaküldenek, ha nem használták. Különösen meg kell felelnie a teljesítményjellemzőknek, azaz tartalmaznia kell a megfelelő típust, azaz C-vel szomszédosnak kell lennie, és a dtype-nak az a dtype kell lennie, amelyet a pont(a,b) esetén vissza kell adni. Így, ha ezeknek a meghatározott feltételeknek nem felel meg, kivételt vet fel.

Visszatér

Ez a függvény 'a' és 'b' pontszorzatát adja vissza. Ez a függvény skalárt ad vissza, ha „a” és „b” egyaránt skalár vagy egydimenziós; ellenkező esetben egy tömböt ad vissza. Ha „out” van megadva, akkor visszaadjuk.

java oktatóanyag kezdőknek

Felemeli

A ValueError akkor fordul elő, ha „a” utolsó dimenziója nem azonos méretű „b” második és utolsó dimenziójával.

1. példa:

 import numpy as np a=np.dot(6,12) a 

Kimenet:

 72 

2. példa:

 import numpy as np a=np.dot([2j, 3j], [5j, 8j]) a 

Kimenet:

 (-34+0j) 

3. példa:

 import numpy as np a = [[1, 2], [4, 1]] b = [[4, 11], [2, 3]] c=np.dot(a, b) c 

Kimenet:

konvertálja string-be java
 array([[ 8, 17], [18, 47]]) 

A fenti kódban

  • Importáltuk a numpy-t np aliasnévvel.
  • Létrehoztunk két 2-dimenziós tömböt. a ' és ' b '.
  • Deklaráltuk a ' változót c ' és hozzárendelte a visszaadott értékét np.dot() funkció.
  • Végül megpróbáltuk kinyomtatni a ' c '.

A kimenetben a mátrixszorzatot tömbként jeleníti meg.

4. példa:

 import numpy as np x = np.arange(3*4*5*6).reshape((3,4,5,6)) y = np.arange(3*4*5*6)[::-1].reshape((5,4,6,3)) p=np.dot(a, b)[2,3,2,1,2,2] q=sum(a[2,3,2,:] * b[1,2,:,2]) p q 

Kimenet:

 499128 499128 

A fenti kódban

java vs c++
  • Importáltuk a numpy-t np aliasnévvel.
  • Létrehoztunk két tömböt a ' és ' b ' használva np.arange() függvényt, és módosítsa mindkét tömb alakját a reshape() függvény segítségével.
  • Deklaráltuk a ' változót c ' és hozzárendelte a visszaadott értékét np.dot() funkció
  • Végül megpróbáltuk kinyomtatni a c ' értéket.

A kimenetben a mátrixszorzatot tömbként jeleníti meg.