numpy.multiply() programmā Python
numpy.multiply()> Funkciju izmanto, ja vēlamies aprēķināt divu masīvu reizinājumu. Tas atgriež arr1 un arr2 reizinājumu elementāri.
Sintakse : numpy.multiply(arr1, arr2, /, out=nav )
Parametri:
arr1: [masīvs_līdzīgs vai skalārs] 1. ievades masīvs.
arr2: [masīvs_līdzīgs vai skalārs] 2. ievades masīvs.
dtype: Atgrieztā masīva veids. Pēc noklusējuma dtips no arr tiek izmantots.
ārā: [ndarray, neobligāti] Vieta, kurā tiek saglabāts rezultāts.
-> Ja tas ir paredzēts, tam ir jābūt tādai formai, uz kuru ievades pārraida.
-> Ja nav nodrošināts vai nav, tiek atgriezts tikko piešķirts masīvs.
kur: [masīvs_līdzīgs, neobligāts] Vērtības True norāda uz ufunc aprēķināšanu šajā pozīcijā, vērtības False norāda, ka vērtība izvadē ir jāatstāj viena.
**Kwargs: Ļauj funkcijai nodot atslēgvārda mainīgā garuma argumentu. Izmanto, ja funkcijā vēlamies apstrādāt nosaukto argumentu.Atgriezties: [ndarray vai skalārs] Arr1 un arr2 reizinājums elementāri.
1. piemērs:
# 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)> |
Izvade:
1st Input number : 4 2nd Input number : 6 output number : 24
2. piemērs:
Šis kods ir pazīstams arī kā Hadamarda reizinājums, kas nav nekas cits kā abu matricu elementu reizinājums. Tas ir visbiežāk izmantotais produkts tiem, kurus interesē mašīnmācība vai 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)> |
Izvade:
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]]
Vēl viens veids, kā atrast to pašu, ir
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)> |
Izvade:
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]]
