python中dot函数运算过程总结
作者:zhaoweiwei369 时间:2021-03-01 16:52:23
本文结合其他博主的一些介绍总结了dot函数运算过程
基本简介
dot函数为numpy库下的一个函数,主要用于矩阵的乘法运算,其中包括:向量内积、多维矩阵乘法和矩阵与向量的乘法。
1. 向量内积
向量其实是一维的矩阵,两个向量进行内积运算时,需要保证两个向量包含的元素个数是相同的。
例1:
import numpy as np
x = np.array([1, 2, 3, 4, 5, 6, 7])
y = np.array([2, 3, 4, 5, 6, 7, 8])
result = np.dot(x, y)
print(result)
输出结果:
168
计算过程就是将向量中对应元素相乘,再相加所得。即普通的向量乘法运算。
2. 矩阵乘法运算
注意:
1.数组的运算是元素级的,数组相乘的结果是各对应元素的积组成的数组,而对于矩阵而言,需要求的是点积
2.两个矩阵(x, y)如果可以进行乘法运算,需要满足以下条件:
x为 m×n 阶矩阵,y为 n×p 阶矩阵,
则相乘的结果 result 为 m×p 阶矩阵。例子如下
例2:
import numpy as np
x = np.array([[1, 2, 3],
[3, 4, 4]])
y = np.array([[0, 1, 1, 1],
[1, 2, 0, 1],
[0, 0, 2, 1]])
result = np.dot(x, y)
print(result)
print("x阶数:" + str(x.shape))
print("y阶数:" + str(y.shape))
print("result阶数:" + str(result.shape))
结果为:
[[ 2 5 7 6]
[ 4 11 11 11]]
x阶数:(2, 3)
y阶数:(3, 4)
result阶数:(2, 4)
下面我们来分析一下一维数组到多维数组之间的运算过程
2.1如下单个数的dot函数运算所示:
np.dot(5,8)40
2.2如下一维数组的dot函数运算所示:
#如果arr1和arr2都是一维数组,那么它返回的就是向量的内积
arr1=np.array([2,3])
arr2=np.array([4,5])
np.dot(arr1,arr2)
#23
如图所示:
2.3如下二维数组的dot函数运算所示:
#如果arr5 和arr6都是二维数组,那么它返回的是矩阵乘法
arr5=np.array([[2,3],[4,5]])
arr6=np.array([[6,7],[8,9]])
np.dot(arr5,arr6)
"""
array([36,4],
? ? ? ? ? [64,73])
"""
运算过程如下所示:
2.4如下二维数组与三维数组的dot函数运算:
#arr7二维数组与arr8三维数组的dot函数矩阵运算
arr7=np.array([[2,3,4],[5,6,7]])
arr8=np.array([[0,1,2],[3,4,5],[6,7,8]])
np.dot(arr7,arr8)
"""
array([33,42,51],[60,78,96])
"""
2.5如下多维数组的dot函数运算所示:
#多维数组的dot函数矩阵运算
arr12=np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
arr13=np.array([[0,1,2],[3,4,5],[6,7,8]])
np.dot(arr12,arr13)
"""
array([15,18,21],
????????[42,54,66],
????????[69,90,111],
????????[96,126,156])
"""
注意:
dot()函数可以通过NumPy库调用,也可以由数组实例对象进行调用。例如:a.dot(b) 与 np.dot(a,b)效果相同。但矩阵积计算不遵循交换律,np.dot(a,b) 和 np.dot(b,a) 得到的结果是不一样的。
来源:https://blog.csdn.net/qq_36297093/article/details/125044307
标签:python,dot函数
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
msxml3.dll 错误 '800c0005'终极解决办法
2009-10-05 18:40:00
python中defaultdict用法实例详解
2022-08-09 17:01:10
![](https://img.aspxhome.com/file/2023/9/109339_0s.png)
python手写均值滤波
2022-03-16 20:53:19
![](https://img.aspxhome.com/file/2023/7/109927_0s.jpg)
Python中pillow知识点学习
2023-11-26 05:27:01
pytorch tensorboard可视化的使用详解
2022-09-27 01:01:51
![](https://img.aspxhome.com/file/2023/8/95788_0s.png)
javascript双击自动滚屏单击停止
2008-10-13 13:05:00
读取MySQL的log方法
2011-07-01 12:04:57
Python真题案例之二分法查找详解
2023-09-23 01:39:07
![](https://img.aspxhome.com/file/2023/6/85376_0s.png)
教你快速掌握如何向MySQL的表中录入数据
2008-11-27 16:45:00
PyTorch与PyTorch Geometric的安装过程
2021-12-15 05:00:08
![](https://img.aspxhome.com/file/2023/0/83830_0s.png)
使用wxpy实现自动发送微信消息功能
2022-04-01 21:16:06
![](https://img.aspxhome.com/file/2023/2/78572_0s.jpg)
Python文件处理
2022-08-08 10:22:01
解决python运行效率不高的问题
2023-04-01 05:31:36
![](https://img.aspxhome.com/file/2023/7/82967_0s.jpg)
python求质数的3种方法
2023-02-12 04:07:54
Python 实现图像特效中的油画效果
2021-04-10 18:29:49
![](https://img.aspxhome.com/file/2023/6/87646_0s.jpg)
Python正则表达式中group与groups的用法详解
2022-02-13 16:16:27
![](https://img.aspxhome.com/file/2023/7/81597_0s.png)
python邮件中附加文字、html、图片、附件实现方法
2022-10-28 01:17:13
PHP设计模式 注册表模式(多个类的注册)
2023-11-20 06:45:13
自定义asp错误信息的显示
2007-09-13 12:33:00
python基于机器学习预测股票交易信号
2021-09-16 02:48:05
![](https://img.aspxhome.com/file/2023/3/107213_0s.jpg)