Le module numpy de Python fournit une fonction pour effectuer le produit scalaire de deux tableaux.

• Si les tableaux « a » et « b » sont des tableaux à une dimension, la fonction dot() effectue le produit interne des vecteurs (sans conjugaison complexe).
• Si les tableaux « a » et « b » sont des tableaux à 2 dimensions, la fonction dot() effectue la multiplication matricielle. Mais pour la multiplication matricielle, utilisez le paillasson ou 'un B' est préféré.
• Si « a » ou « b » est à 0 dimension (scalaire), la fonction dot() effectue la multiplication. Aussi, l'utilisation de numpy.multiply(a, b) ou un B la méthode est préférée.
• Si « a » est un tableau à N dimensions et « b » est un tableau à une dimension, alors la fonction dot() effectue le produit somme sur le dernier axe de a et b.
• Si « a » est un tableau à M dimensions et « b » est un tableau à N dimensions (où N>=2), alors la fonction dot() effectue le produit somme sur le dernier axe de « a » et le second. -jusqu'au dernier axe de 'b' :

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

Syntaxe

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

Paramètres

a : array_like

Ce paramètre définit le premier tableau.

b : tableau_like

menu des paramètres Android

Ce paramètre définit le deuxième tableau.

sortie : ndarray (facultatif)

C'est un argument de sortie. Il doit avoir le type exact qui serait restitué dans le cas où il ne serait pas utilisé. En particulier, il doit répondre à la fonctionnalité de performances, c'est-à-dire qu'il doit contenir le bon type, c'est-à-dire qu'il doit être contigu en C, et son type doit être le type qui serait renvoyé pour dot(a,b). Ainsi, s’il ne remplit pas ces conditions précisées, il lève une exception.

Retour

Cette fonction renvoie le produit scalaire de « a » et « b ». Cette fonction renvoie un scalaire si « a » et « b » sont tous deux scalaires ou unidimensionnels ; sinon, il renvoie un tableau. Si 'out' est donné, alors il est renvoyé.

parcours de précommande d'un arbre

Augmente

Le ValeurErreur se produit lorsque la dernière dimension de « a » n’a pas la même taille que l’avant-dernière dimension de « b ».

Exemple 1:

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

Sortir:

 72 

Exemple 2 :

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

Sortir:

 (-34+0j) 

Exemple 3 :

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

Sortir:

convertir un entier en chaîne java

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

Dans le code ci-dessus

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé deux tableaux bidimensionnels ' un ' et ' b '.
• Nous avons déclaré la variable ' c ' et lui a attribué la valeur renvoyée par np.dot() fonction.
Enfin, nous avons essayé d'imprimer la valeur de ' c '.

Dans la sortie, il affiche le produit matriciel sous forme de tableau.

Exemple 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 

Sortir:

 499128 499128 

Dans le code ci-dessus

base de données java jdbc

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé deux tableaux ' un ' et ' b ' en utilisant np.arange() et modifiez la forme des deux tableaux à l’aide de la fonction reshape().
• Nous avons déclaré la variable ' c ' et lui a attribué la valeur renvoyée par np.dot() fonction
• Enfin, nous avons essayé d'imprimer le ' c ' valeur.

Dans la sortie, il affiche le produit matriciel sous forme de tableau.