Con trăn chấm sản phẩm

Nếu cả hai mảng ‘a’ và ‘b’ đều là mảng 1 chiều, thì hàm dot [] thực hiện tích bên trong các góc nhìn [không có phức hợp liên kết phức tạp]

Nếu cả hai mảng ‘a’ và ‘b’ đều là mảng 2 chiều, thì hàm dot[] thực hiện phép nhân ma trận. Nhưng đối với phép nhân ma trận, việc sử dụng matmul hoặc ‘a’ @ ‘b’ được ưu tiên hơn

Nếu ‘a’ hoặc ‘b’ là 0 chiều [vô hướng], thì hàm dot [] thực hiện phép nhân. Ngoài ra, việc sử dụng phương thức numpy. nhân [a, b] hoặc a * b cũng được ưu tiên hơn

Nếu ‘a’ là mảng N chiều và ‘b’ là mảng 1 chiều, thì hàm dot[] thực hiện tính tổng trên cuối trục của a và b

Nếu 'a' là mảng M chiều và 'b' là mảng N chiều [trong đó N> = 2], thì hàm dot[] thực hiện tính tổng trên trục cuối cùng của 'a' và trục thứ hai -trục cuối cùng

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

dấu chấm [a, b] [i, j, k, n] = tổng [a [i, j ,. ] * b [k,. , N]]

cú pháp

numpy.dot[a, b, out=None] 

Tham số

1. a. mảng_like

Tham số này xác định mảng đầu tiên

1. b. mảng_like

Tham số này xác định hai mảng thứ

1. ngoài. ndarray [tùy chọn]

Nó là một đối số đầu ra. Nó phải có loại chính xác sẽ được trả lại trong trường hợp nó không được sử dụng. Đặc biệt, nó phải trả lời ứng dụng có tính năng hiệu suất, tức là nó phải chứa đúng kiểu, tức là nó phải là chữ C liền kề và kiểu của nó phải là kiểu sẽ được trả về cho dấu chấm [a, b]. Do đó, nếu nó không đáp ứng các điều kiện quy định này, nó sẽ tạo ra một ngoại lệ

Trở lại

Hàm này trả về số chấm của ‘a’ và ‘b’. Hàm này trả về một đại lượng vô hướng nếu ‘a’ và ‘b’ đều là đại lượng vô hướng hoặc 1 chiều; . Nếu 'out' được đưa ra, thì nó sẽ được trả lại

1. tăng

Error ValueError xảy ra khi kích thước cuối cùng của 'a' không có cùng kích thước với kích thước từ thứ hai đến cuối cùng của 'b'

Ví dụ 1

import numpy as np  
a=np.dot[6,12]  
a  

đầu ra

Ví dụ 2

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

đầu ra

Ví dụ 3

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

đầu ra

Trong đoạn mã trên

• Chúng ta đã tạo ra hai mảng 2 chiều ‘a’ và ‘b’
• Chúng ta đã khai báo biến ‘c’ và gán giá trị trả về của hàm np. dấu chấm []
• Cuối cùng, chúng tôi đã cố gắng đánh giá giá trị của 'c'
• In the head, it display product ma format under an array

Ví dụ 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  

đầu ra

Trong đoạn mã trên

• Chúng tôi đã tạo hai mảng 'a' và 'b' bằng hàm np. arange[] and change the format of both arrays by cách sử dụng hàm reshape[]
• Chúng tôi đã khai báo biến 'c' và gán giá trị trả về của hàm np. dấu chấm []
• Cuối cùng, chúng tôi đã cố gắng đánh giá 'c'
• In the head, it display product ma format under an array

Trong Python, hàm dot[] của NumPy được sử dụng để trả về số chấm của các mảng đã chọn. Nó chấp nhận hai mảng làm đối số và tính toán các số chấm của chúng. Nó có thể xử lý mảng 2-D nhưng coi chúng như ma trận và sẽ thực hiện phép nhân ma trận. Đối với N thứ nguyên, nó là một tích số tương ứng với nhân ma trận

Nội dung chính

• 1. Ví dụ nhanh về sản phẩm chấm NumPy
• 2. Cú pháp của numpy. dấu chấm []
• 2. 1 The tham số của dấu chấm []
• 2. 2 Giá trị trả về của dấu chấm []
• 3. 1 Lấy sản phẩm chấm của Hai Vô Hướng
• 3. 2 Get number of chấm of two
• 4. Nhận sản phẩm chấm của Mãng 1-D NumPy
• 5. Nhận sản phẩm chấm của Mảng 2-D
• 6. Kết luận
• You can also like
• Giới thiệu người

Trong bài viết này, tôi sẽ giải thích hàm dot [] trong Python và sử dụng cú pháp này để tìm ra số chấm của mảng 0-D, mảng 1-D và mảng 2-D với các ví dụ

• 1. Ví dụ nhanh về sản phẩm chấm NumPy
• 2. Cú pháp của numpy. dấu chấm []
  • 2. 1 The tham số của dấu chấm []
  • 2. 2 Giá trị trả về của dấu chấm []
• 3. Cách sử dụng hàm NumPy dot[]
  • 3. 1 Lấy sản phẩm chấm của Hai Vô Hướng
  • 3. 2 Get number of chấm of two
• 4. Nhận sản phẩm chấm của Mãng 1-D NumPy
• 5. Nhận sản phẩm chấm của Mảng 2-D
• 6. Kết luận
  • You can also like
  • Giới thiệu người

1. Ví dụ nhanh về sản phẩm chấm NumPy

Nếu bạn đang chiến đấu, dưới đây là một số ví dụ nhanh về sản phẩm python NumPy dot

# Below are the Quick examples  
# Example 1: Get the dot product of scalars 
arr = 2
arr1 = 5
arr2 = np.dot[arr, arr1]


# Example 2: Get the dot product of complex numbers
arr = 4 + 7j
arr1 = 8 + 9j
arr2 = np.dot[arr, arr1]

# Example 3: Get the dot product of 1-D arrays
arr = np.array[[3, 1, 9, 7]]
arr1 = np.array[[2, 6, 4, 8]]
arr2 = np.dot[arr, arr1]

# Example 4: Get the dot product of 2-d arrays
arr = np.array[[[3, 1], 
                [2, 4]]]
arr1 = np.array[[[5, 2], 
                 [1, 6]]]
arr2 = np.dot[arr, arr1]

2. Cú pháp của numpy. dấu chấm []

Sau đây là cú pháp của dấu chấm []

# Use python numpy.dot[] syntax
numpy.dot[arr, arr1, out=None]

2. 1 The tham số của dấu chấm []

Sau đây là các tham số của hàm dot[]

• arr – Nó xác định mảng đầu tiên
• arr1 – Nó xác định mảng thứ hai
• out – Đối số đầu ra này phải là một mảng liền kề C và kiểu của nó phải là kiểu sẽ được trả về cho dấu chấm [arr, arr1]

2. 2 Giá trị trả về của dấu chấm []

Nó trả về sản phẩm dấu chấm của các mảng NumPy đã chọn. Nếu arr và arr1 là vô hướng hoặc cả hai mảng là 1-Chiều thì nó trả về một đại lượng vô hướng. Nếu không, nó trả về một mảng

Ghi chú. Error ValueError xảy ra khi kích thước cuối cùng của arr không có cùng kích thước với kích thước từ thứ hai đến cuối cùng của arr1

Mô-đun Python NumPy cung cấp dấu chấm [] là một hàm toán học và được sử dụng để tính tích của hai mảng. Nó trả về một vô hướng hoặc mảng, nó phụ thuộc vào kích thước của mảng

3. 1 Lấy sản phẩm chấm của Hai Vô Hướng

If arr or arr1 is 0-D [vô hướng] thì numpy. dot[arr, arr1] tương đương với phép nhân hai số [a * b]

3. 2 Get number of chấm of two

Chúng ta cũng có thể tìm dấu chấm của hai số hàm bằng cách sử dụng dấu chấm[]. Vì vậy, chúng tôi sẽ chuyển các số phức làm tham số cho hàm này và nó sẽ trả về các số chấm của hai số phức

arr = 4 + 7j
arr1 = 8 + 9j

# Use numpy.dot[] function
arr2 = np.dot[arr, arr1]
print[arr2]

# Output
# [-31+92j]

Sau đây là giải thích về cách bạn nhận được kết quả này

numpy.dot[a, b, out=None] 

4. Nhận sản phẩm chấm của Mãng 1-D NumPy

Hãy lấy hai mảng 1-D và tìm số chấm của hai mảng, nó trả về một giá trị vô hướng. Đầu tiên, tạo một mảng NumPy bằng cách sử dụng np. mảng []

numpy.dot[a, b, out=None] 

5. Nhận sản phẩm chấm của Mảng 2-D

Tích số chấm của hai mảng 2 Chiều giống như phép nhân ma trận, nó sẽ trả về phép nhân ma trận của hai mảng đầu vào. Please get a ví dụ,

numpy.dot[a, b, out=None] 

Sau đây tính toán được hiển thị cho phép nhân ma trận 2-D

numpy.dot[a, b, out=None] 

6. Kết luận

Trong bài viết này, tôi đã giải thích Python NumPy dot[] và sử dụng cách này để chúng ta có thể lấy số chấm của các giá trị vô hướng, mảng 1-D và mảng 2-D với các ví dụ