numpy.multiply()> La fonction est utilisée lorsque nous voulons calculer la multiplication de deux tableaux. Il renvoie le produit de arr1 et arr2, élément par élément.
Syntaxe : numpy.multiply(arr1, arr2, /, out=Aucun, *, où=True, casting='same_kind', order='K', dtype=Aucun, subok=True[, signature, extobj], ufunc 'multiply' )
Paramètres :
arr1 : [array_like ou scalaire]1er tableau d'entrée.
arr2 : [array_like ou scalaire]2ème tableau d'entrée.
type : Le type du tableau renvoyé. Par défaut, le type de arr est utilisé.
dehors: [ndarray, facultatif] Un emplacement dans lequel le résultat est stocké.
-> S'il est fourni, il doit avoir une forme dans laquelle les entrées sont diffusées.
-> S'il n'est pas fourni ou Aucun, un tableau fraîchement alloué est renvoyé.
où: [array_like, facultatif] Les valeurs de True indiquent qu'il faut calculer l'ufunc à cette position, les valeurs de False indiquent de laisser la valeur seule dans la sortie.
**kwargs : Permet de passer un mot-clé de longueur variable d'argument à une fonction. Utilisé lorsque nous voulons gérer un argument nommé dans une fonction.Java-LambdaRetour: [ndarray ou scalaire] Le produit de arr1 et arr2, élément par élément.
Exemple 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)> |
>
>
langage Java de baseSortir :
1st Input number : 4 2nd Input number : 6 output number : 24>
Exemple #2 :
Le code suivant est également connu sous le nom de produit Hadamard qui n'est rien d'autre que le produit élément par élément des deux matrices. C'est le produit le plus couramment utilisé pour ceux qui s'intéressent au Machine Learning ou aux statistiques.
# 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)> |
>
>Sortir :
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]]>
Une autre façon de trouver la même chose est
Rakhi Sawant
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)> |
>
>
Sortir :
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]]>