標量與矩陣的運算:
加法：values = [1,2,3,4,5]
values = np.array(values) + 5
#現在 values 是包含 [6,7,8,9,10] 的乙個 ndarray
乘法：x = np.multiply(some_array, 5)
x = some_array * 5
矩陣與矩陣的運算:
加法：對應元素相加，但形狀必須相同，形狀不同則會報錯
a = np.array([[1,3],[5,7]])
# array([[1, 3],
# [5, 7]])
b = np.array([[2,4],[6,8]])
# array([[2, 4],
# [6, 8]])
a + b
# array([[ 3, 7],
# [11, 15]])
乘法(叉乘)：對應元素相乘
如上a *b 或者 np.multiply(a,b)都得到
# [[ 2 12]
# [30 56]]
乘法(點乘)：大多數情況下所說的矩陣乘法都是指這個點乘
可以是不同形狀的矩陣相乘，但必須滿足「內側相同」原則
m行n列矩陣乘以n行p列矩陣，等於m行p列的矩陣
如：a = np.array([[1,2,3,4],[5,6,7,8]])
a# 顯示以下結果：
# array([[1, 2, 3, 4],
# [5, 6, 7, 8]])
a.shape
# 顯示以下結果：
# (2, 4)
b = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b# 顯示以下結果：
# array([[ 1, 2, 3],
# [ 4, 5, 6],
# [ 7, 8, 9],
# [10, 11, 12]])
b.shape
# 顯示以下結果：
# (4, 3)
c = np.matmul(a, b)
c# 顯示以下結果：
# array([[ 70, 80, 90],
# [158, 184, 210]])
c.shape
# 顯示以下結果：
# (2, 3)
如果你的矩陣具有不相容的形狀，則會出現以下錯誤：
np.matmul(b, a)
# 顯示以下錯誤：
# valueerror: shapes (4,3) and (2,4) not aligned: 3 (dim 1) != 2 (dim 0)
有時候，在你以為要用 matmul 函式的地方，你可能會看到 numpy 的 如果矩陣是二維的，那麼 dot 和 matmul 函式的結果是相同的
a = np.array([[1,2],[3,4]])
a# 顯示以下結果：
# array([[1, 2],
# [3, 4]])
np.dot(a,a)
# 顯示以下結果：
# array([[ 7, 10],
# [15, 22]])
a.dot(a) # you can call你可以直接對 `ndarray` 呼叫 `dot`
# 顯示以下結果：
# array([[ 7, 10],
# [15, 22]])
np.matmul(a,a)
# array([[ 7, 10],
# [15, 22]])
雖然這兩個函式對於二維資料返回相同的結果，但在用於其他資料形狀時，應該謹慎選擇
矩陣A B（矩陣相加）
description 在數學中，矩陣是乙個按照長方陣列排列的複數或實數集合，最早來自於方程組的係數及常數所構成的方陣。這一概念由19世紀英國數學家凱利首先提出。矩陣是高等代數學中的常見工具，也常見於統計分析等應用數學學科中。在物理學中，矩陣於電路學 力學 光學和量子物理中都有應用 電腦科學中，三維...
python基礎練習 矩陣同位置相加問題
題目 兩個3 行3列的矩陣，實現其對應位置的資料相加，並返回乙個新矩陣 1 coding utf 8 2 print 第乙個列表 3 l1 1,2,3 4,5,6 7,8,9 4 for i in range 3 5 print l1 i 6 print 第二個列表 7 l2 1,2,3 4,5,6...
提高專案33 矩陣相加
任務和 兩個矩陣相加，要求其行 列數均相等。運算規則為 乙個n行m列的矩陣a加上另乙個n行m列的矩陣，得到的結果是乙個n行m列的矩陣c，c中的第i行第j列位置上的數等於a和b矩陣第i行第j列上數相加的和。檔名 main.c 完成日期 2016.7.14 問題描述 兩個矩陣相加，要求其行 列數均相等。...