Il modulo numpy di Python fornisce una funzione per eseguire il prodotto scalare di due array.

• Se entrambi gli array 'a' e 'b' sono array unidimensionali, la funzione dot() esegue il prodotto interno di vettori (senza coniugazione complessa).
• Se entrambi gli array 'a' e 'b' sono array bidimensionali, la funzione dot() esegue la moltiplicazione della matrice. Ma per la moltiplicazione delle matrici utilizzare of il tappetino O 'a' @ 'b' è preferito.
• Se 'a' o 'b' sono 0 dimensionali (scalari), la funzione dot() esegue la moltiplicazione. Inoltre, l'uso di numpy.moltiplica(a, b) O a*b il metodo è preferito.
• Se 'a' è un array N-dimensionale e 'b' è un array unidimensionale, la funzione dot() esegue il prodotto somma sull'ultimo asse di a e b.
• Se 'a' è un array M-dimensionale e 'b' è un array N-dimensionale (dove N>=2), la funzione dot() esegue il prodotto somma sull'ultimo asse di 'a' e sul secondo -all'ultimo asse di 'b':

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

Sintassi

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

Parametri

a: tipo_array

Questo parametro definisce il primo array.

b: tipo_array

come recuperare app nascoste

Questo parametro definisce il secondo array.

out: ndarray(facoltativo)

attraversamento postordine di un albero binario

È un argomento di output. Dovrebbe avere lo stesso tipo che verrebbe restituito nel caso in cui non fosse utilizzato. In particolare, dovrebbe soddisfare la caratteristica prestazionale, ovvero deve contenere il tipo corretto, ovvero deve essere contiguo al C, e il suo dtype deve essere il dtype che verrebbe restituito per dot(a,b). Pertanto, se non soddisfa queste condizioni specificate, solleva un'eccezione.

ritorna

Questa funzione restituisce il prodotto scalare di 'a' e 'b'. Questa funzione restituisce uno scalare se 'a' e 'b' sono entrambi scalari o unidimensionali; in caso contrario, restituisce un array. Se viene fornito 'out', viene restituito.

Alza

IL ValoreErrore si verifica quando l'ultima dimensione di 'a' non ha la stessa dimensione della penultima dimensione di 'b'.

Esempio 1:

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

Produzione:

 72 

Esempio 2:

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

Produzione:

 (-34+0j) 

Esempio 3:

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

Produzione:

converti int in stringa java

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

Nel codice sopra

• Abbiamo importato Numpy con il nome alias np.
• Abbiamo creato due array bidimensionali ' UN ' E ' B '.
• Abbiamo dichiarato la variabile ' C ' e assegnato il valore restituito di np.punto() funzione.
Infine, abbiamo provato a stampare il valore di ' C '.

Nell'output, mostra il prodotto della matrice come un array.

Esempio 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 

Produzione:

 499128 499128 

Nel codice sopra

Java contro C++

• Abbiamo importato Numpy con il nome alias np.
• Abbiamo creato due array ' UN ' E ' B 'usando np.arancio() funzione e modificare la forma di entrambi gli array utilizzando la funzione reshape().
• Abbiamo dichiarato la variabile ' C ' e assegnato il valore restituito di np.punto() funzione
• Infine, abbiamo provato a stampare il ' C ' valore.

Nell'output, mostra il prodotto della matrice come un array.