numpy.multiply() Python
numpy.multiply()> Funkcija naudojama, kai norime apskaičiuoti dviejų masyvo dauginimą. Jis grąžina arr1 ir arr2 sandaugą elementų atžvilgiu.
Sintaksė: numpy.multiply(arr1, arr2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, parašas, extobj], ufunc 'dauginti' )
Parametrai:
arr1: [masyvas_like arba skaliarinis]1-asis įvesties masyvas.
arr2: [array_like arba skaliarinis] 2-asis įvesties masyvas.
dtype: Grąžinamo masyvo tipas. Pagal numatytuosius nustatymus, dtipas naudojamas arr.
išeina: [ndarray, neprivaloma] Vieta, kurioje saugomas rezultatas.
-> Jei yra, jis turi turėti formą, kurią įvestys transliuoja.
-> Jei nepateikta arba Nėra, grąžinamas naujai paskirtas masyvas.
kur: [Array_like, neprivaloma] Vertės True nurodo, kad reikia apskaičiuoti ufunc toje padėtyje, o vertės False rodo, kad vertė išvestyje paliekama viena.
**kwargs: Leidžia funkcijai perduoti kintamo raktinio žodžio argumento ilgį. Naudojamas, kai norime funkcijoje tvarkyti pavadintą argumentą.Grąžinti: [ndarray arba skaliarinis] Arr1 ir arr2 sandauga elementų atžvilgiu.
1 pavyzdys:
# Python program explaining> # numpy.multiply() function> > import> numpy as geek> in_num1> => 4> in_num2> => 6> > print> (> '1st Input number : '> , in_num1)> print> (> '2nd Input number : '> , in_num2)> > out_num> => geek.multiply(in_num1, in_num2)> print> (> 'output number : '> , out_num)> |
Išvestis:
1st Input number : 4 2nd Input number : 6 output number : 24
2 pavyzdys:
Šis kodas taip pat žinomas kaip Hadamard produktas, kuris yra ne kas kita, kaip dviejų matricų elementų sandauga. Tai dažniausiai naudojamas produktas tiems, kurie domisi mašininiu mokymusi ar statistika.
# Python program explaining> # numpy.multiply() function> > import> numpy as geek> > in_arr1> => geek.array([[> 2> ,> -> 7> ,> 5> ], [> -> 6> ,> 2> ,> 0> ]])> in_arr2> => geek.array([[> 0> ,> -> 7> ,> 8> ], [> 5> ,> -> 2> ,> 9> ]])> > print> (> '1st Input array : '> , in_arr1)> print> (> '2nd Input array : '> , in_arr2)> > > out_arr> => geek.multiply(in_arr1, in_arr2)> print> (> 'Resultant output array: '> , out_arr)> |
Išvestis:
1st Input array : [[ 2 -7 5] [-6 2 0]] 2nd Input array : [[ 0 -7 8] [ 5 -2 9]] Resultant output array: [[ 0 49 40] [-30 -4 0]]
Kitas būdas rasti tą patį yra
import> numpy as geek> in_arr1> => geek.matrix([[> 2> ,> -> 7> ,> 5> ], [> -> 6> ,> 2> ,> 0> ]])> in_arr2> => geek.matrix([[> 0> ,> -> 7> ,> 8> ], [> 5> ,> -> 2> ,> 9> ]])> > print> (> '1st Input array : '> , in_arr1)> print> (> '2nd Input array : '> , in_arr2)> > out_arr> => geek.array(in_arr1)> *> geek.array(in_arr2)> print> (> 'Resultant output array: '> , out_arr)> |
Išvestis:
1st Input array : [[ 2 -7 5] [-6 2 0]] 2nd Input array : [[ 0 -7 8] [ 5 -2 9]] Resultant output array: [[ 0 49 40] [-30 -4 0]]
