numpy中matrix与array的乘和加实例用法

本篇内容介绍了"numpy中matrix与array的乘和加实例用法"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

1. 对于数组array

乘

就是对应位置的元素相乘：

X1 = np.array([[1,2], [3, 4]])X2 = X1print X2*X1[[ 1 4] [ 9 16]]

加

就是对应位置的相加：

X1 = np.array([[1,2], [3, 4]])X2 = X1print X2+X1[[2 4] [6 8]]

2. 对于矩阵matrix

乘

就是矩阵的点乘:

X1 = np.matrix([[1,2], [3, 4]])X2 = X1print X2*X1[[ 7 10] [15 22]]

加

有两种情况，第一种是X1与X2的大小一致，就是普通的矩阵相加，即对应位置相加：

X1 = np.matrix([[1,2], [3, 4]])X2 = X1print X2+X1[[2 4] [6 8]]

第二种情况是n＊1的X1 ＋ m*1的X2（或者反过来），就会得到n*m的矩阵：

X1 = np.matrix([[1,2,3]])X2 = np.matrix([[1,2,3,4]]).Tprint X2+X1[[2 3 4] [3 4 5] [4 5 6] [5 6 7]]

3. 混用情况

在numpy中存在很多的matrix和array 运算符混用的情况，程序也能通过，但这样很不好，尽量按照以上原则使用。

如果2维的array想要进行矩阵的点乘运算，可以用np.dot(X1, X2)

如果matrix想要进行对应位置的乘，可以用np.multiply(X2,X1)

"numpy中matrix与array的乘和加实例用法"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！