为了区分三种乘法运算的规则，具体分析如下：
|
1
|
import numpy as np |
1. np.multiply()函数
函数作用
数组和矩阵对应位置相乘，输出与相乘数组/矩阵的大小一致
1.1数组场景
|
1
2
|
A = np.arange(1,5).reshape(2,2)A |
array([[1, 2],
[3, 4]])
|
1
2
|
B = np.arange(0,4).reshape(2,2)B |
array([[0, 1],
[2, 3]])
|
1
|
np.multiply(A,B) #数组对应元素位置相乘 |
array([[ 0, 2],
[ 6, 12]])
1.2 矩阵场景
|
1
|
np.multiply(np.mat(A),np.mat(B)) #矩阵对应元素位置相乘，利用np.mat()将数组转换为矩阵 |
matrix([[ 0, 2],
[ 6, 12]])
|
1
|
np.sum(np.multiply(np.mat(A),np.mat(B))) #输出为标量 |
20
2. np.dot()函数
函数作用
对于秩为1的数组，执行对应位置相乘，然后再相加；
对于秩不为1的二维数组，执行矩阵乘法运算；超过二维的可以参考numpy库介绍。
2.1 数组场景
2.1.1 数组秩不为1的场景
|
1
2
|
A = np.arange(1,5).reshape(2,2)A |
array([[1, 2],
[3, 4]])
|
1
2
|
B = np.arange(0,4).reshape(2,2)B |
array([[0, 1],
[2, 3]])
|
1
|
np.dot(A,B) #对数组执行矩阵相乘运算 |
array([[ 4, 7],
[ 8, 15]])
2.1.2 数组秩为1的场景
|
1
2
|
C = np.arange(1,4)C |
array([1, 2, 3])
|
1
2
|
D = np.arange(0,3)D |
array([0, 1, 2])
|
1
|
np.dot(C,D) #对应位置相乘，再求和 |
8
2.2 矩阵场景
|
1
|
np.dot(np.mat(A),np.mat(B)) #执行矩阵乘法运算 |
matrix([[ 4, 7],
[ 8, 15]])
3. 星号（*）乘法运算
作用
对数组执行对应位置相乘
对矩阵执行矩阵乘法运算
3.1 数组场景
|
1
2
|
A = np.arange(1,5).reshape(2,2)A |
array([[1, 2],
[3, 4]])
|
1
2
|
B = np.arange(0,4).reshape(2,2)B |
array([[0, 1],
[2, 3]])
|
1
|
A*B #对应位置点乘 |
array([[ 0, 2],
[ 6, 12]])
3.2矩阵场景
|
1
|
(np.mat(A))*(np.mat(B)) #执行矩阵运算 |
matrix([[ 4, 7],
[ 8, 15]])
到此这篇关于python中np.multiply()、np.dot()和星号(*)三种乘法运算的区别详解的文章就介绍到这了,更多相关python np.multiply()、np.dot()和星号内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/zenghaitao0128/article/details/78715140
