numpy.multiply() in Python
numpy.multiply()> functie wordt gebruikt wanneer we de vermenigvuldiging van twee arrays willen berekenen. Het retourneert het product van arr1 en arr2, elementair.
Syntaxis: numpy.multiply(arr1, arr2, /, out=Geen, *, waar=Waar, casting='same_kind', order='K', dtype=Geen, subok=Waar[, handtekening, extobj], ufunc 'vermenigvuldigen' )
Parameters:
arr1: [array_like of scalair]1e invoerarray.
arr2: [array_like of scalair]2e invoerarray.
dtype: Het type van de geretourneerde array. Standaard is de dtype van arr wordt gebruikt.
uit: [ndarray, optioneel] Een locatie waar het resultaat wordt opgeslagen.
-> Indien opgegeven, moet het een vorm hebben waarnaar de ingangen uitzenden.
-> Indien niet opgegeven of Geen, wordt een nieuw toegewezen array geretourneerd.
waar: [array_like, optioneel] Waarden van True geven aan dat de ufunc op die positie moet worden berekend, waarden van False geven aan dat de waarde met rust moet blijven in de uitvoer.
** kwargs: Maakt het mogelijk de trefwoordvariabele lengte van het argument door te geven aan een functie. Wordt gebruikt wanneer we benoemde argumenten in een functie willen verwerken.Opbrengst: [ndarray of scalair] Het product van arr1 en arr2, elementair.
Voorbeeld 1 :
# 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)> |
Uitgang:
1st Input number : 4 2nd Input number : 6 output number : 24
Voorbeeld #2:
De volgende code staat ook bekend als het Hadamard-product, dat niets anders is dan het elementgewijze product van de twee matrices. Het is het meest gebruikte product voor diegenen die geïnteresseerd zijn in Machine Learning of statistieken.
# 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)> |
Uitgang:
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]]
Een andere manier om hetzelfde te vinden is
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)> |
Uitgang:
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]]
