Das Numpy-Modul von Python bietet eine Funktion zum Berechnen des Skalarprodukts zweier Arrays.

• Wenn beide Arrays „a“ und „b“ eindimensionale Arrays sind, berechnet die Funktion dot() das innere Produkt von Vektoren (ohne komplexe Konjugation).
• Wenn beide Arrays „a“ und „b“ zweidimensionale Arrays sind, führt die Funktion dot() die Matrixmultiplikation durch. Aber für die Matrixmultiplikation wird verwendet die Matte oder 'a' @ 'b' Ist bevorzugt.
• Wenn entweder „a“ oder „b“ 0-dimensional (skalar) ist, führt die Funktion dot() eine Multiplikation durch. Auch die Verwendung von numpy.multiply(a, b) oder a *b Methode wird bevorzugt.
• Wenn „a“ ein N-dimensionales Array und „b“ ein eindimensionales Array ist, führt die Funktion dot() das Summenprodukt über die letzte Achse von a und b durch.
• Wenn „a“ ein M-dimensionales Array und „b“ ein N-dimensionales Array ist (wobei N>=2), dann führt die Funktion dot() das Summenprodukt über die letzte Achse von „a“ und der zweiten aus -zur letzten Achse von 'b':

 dot(a, b)[i,j,k,n] = sum(a[i,j,:] * b[k,:,n]) 

Syntax

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

Parameter

a: array_like

Dieser Parameter definiert das erste Array.

b: array_like

NPM Clean Cache Force

Dieser Parameter definiert das zweite Array.

out: ndarray (optional)

Es ist ein Ausgabeargument. Es sollte genau die Art haben, die zurückgegeben würde, wenn es nicht verwendet würde. Insbesondere sollte es das Leistungsmerkmal erfüllen, d. h. es muss den richtigen Typ enthalten, d. h. es muss C-zusammenhängend sein und sein D-Typ muss der D-Typ sein, der für Punkt(a, b) zurückgegeben würde. Wenn diese angegebenen Bedingungen nicht erfüllt werden, wird eine Ausnahme ausgelöst.

c Array von Strings

Kehrt zurück

Diese Funktion gibt das Skalarprodukt von „a“ und „b“ zurück. Diese Funktion gibt einen Skalar zurück, wenn „a“ und „b“ beide Skalare oder eindimensional sind; andernfalls wird ein Array zurückgegeben. Wenn 'out' angegeben ist, wird es zurückgegeben.

Erhöht

Der Wertfehler Tritt auf, wenn die letzte Dimension von „a“ nicht die gleiche Größe wie die vorletzte Dimension von „b“ hat.

Beispiel 1:

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

Ausgabe:

 72 

Beispiel 2:

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

Ausgabe:

 (-34+0j) 

Beispiel 3:

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

Ausgabe:

Konvertieren Sie int in einen String Java

 array([[ 8, 17], [18, 47]]) 

Im obigen Code

• Wir haben numpy mit dem Aliasnamen np importiert.
• Wir haben zwei zweidimensionale Arrays erstellt. A ' Und ' B '.
• Wir haben die Variable 'deklariert C ' und den zurückgegebenen Wert von zugewiesen np.dot() Funktion.
Zuletzt haben wir versucht, den Wert von ' auszudrucken C '.

In der Ausgabe wird das Matrixprodukt als Array angezeigt.

Beispiel 4:

 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 

Ausgabe:

 499128 499128 

Im obigen Code

Java vs. C++

• Wir haben numpy mit dem Aliasnamen np importiert.
• Wir haben zwei Arrays erstellt ' A ' Und ' B ' verwenden np.arange() Funktion und ändern Sie die Form beider Arrays mit der Funktion reshape().
• Wir haben die Variable 'deklariert C ' und den zurückgegebenen Wert von zugewiesen np.dot() Funktion
• Zuletzt haben wir versucht, das auszudrucken. C ' Wert.

In der Ausgabe wird das Matrixprodukt als Array angezeigt.