numpy怎么实现矩阵对应元素相乘

这篇文章主要讲解了"numpy怎么实现矩阵对应元素相乘"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"numpy怎么实现矩阵对应元素相乘"吧！

1) matrix multiplication

矩阵乘法： (m,n) x (n,p) --> (m,p) # 矩阵乘法运算前提：矩阵1的列=矩阵2的行
3种用法： np.dot(matrix_a, matrix_b) == matrix_a @ matrix_b == matrix_a * matrix_b

2） element-wise product ： 矩阵对应元素相乘

1种用法：np.multiply(matrix_c, matrix_d)
对于nd.array()类型而言，数组 arrA * arrB 只能element-wise produt(对应元素相乘)

# -*- coding: utf-8 -*-"""Created on Thu Jul 26 14:22:40 2018@author: Administrator"""import numpy as npa = np.array([[1,2],[3,4],[11,12]])b = np.array([[5,6,13],[7,8,14]])c = np.array([[1,2,13],[3,4,25],[11,12,23]])d = np.array([[5,6,2],[7,8,29],[13,14,15]])matrix_a = np.matrix(a)         # (3,2)matrix_b = np.matrix(b)         # (2,3)matrix_c = np.matrix(c)         # (3,3)matrix_d = np.matrix(d)         # (3,3)print(type(a),type(matrix_a))  #  mat_a = np.mat(a)print(type(a),type(matrix_a))  #  '''# 1) matrix multiplication矩阵乘法： (m,n) x (n,p) --> (m,p)    # 矩阵乘法运算前提：矩阵1的列=矩阵2的行3种用法： np.dot(matrix_a, matrix_b) == matrix_a @ matrix_b == matrix_a * matrix_b'''method_1 = matrix_a @ matrix_bmethod_2 = np.dot(matrix_a, matrix_b)print(method_1)#[[ 19  22  41]# [ 43  50  95]# [139 162 311]]print(method_2 == method_1)#[[ True  True  True]# [ True  True  True]# [ True  True  True]]print(matrix_c * matrix_d == matrix_c @ matrix_d)#[[ True  True  True]# [ True  True  True]# [ True  True  True]]'''# 2） element-wise product ： 矩阵对应元素相乘1种用法：np.multiply(matrix_c, matrix_d)对于nd.array()类型而言，数组 arrA * arrB 只能element-wise produt(对应元素相乘) '''print(matrix_c, matrix_d, sep='\n')#[[ 1  2 13]# [ 3  4 25]# [11 12 23]]#[[ 5  6  2]# [ 7  8 29]# [13 14 15]]method_1 = np.multiply(matrix_c, matrix_d)      # 对应位置元素相乘print(method_1)#[[  5  12  26]# [ 21  32 725]# [143 168 345]]

3) 矩阵乘法和数组乘法

感谢各位的阅读，以上就是"numpy怎么实现矩阵对应元素相乘"的内容了，经过本文的学习后，相信大家对numpy怎么实现矩阵对应元素相乘这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！