数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法学NumPy中不同形状数组的元素级乘法
要在Python NumPy中对不同形状的参数进行元素级乘法，请使用**numpy.multiply()**方法。
out是一个存储结果的位置。如果提供，它必须具有输入广播到的形状。如果没有提供或为None，则返回一个新分配的数组。元组（仅可能作为关键字参数）的长度必须等于输出的数量。
条件在输入上广播。在条件为True的位置，out数组将设置为ufunc结果。在其他位置，out数组将保留其原始值。请注意，如果通过默认的out=None创建一个未初始化的out数组，则其中条件为False的位置将保持未初始化状态。
NumPy 提供了全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等等。它支持各种硬件和计算平台，并且与分布式、GPU和稀疏数组库配合良好。
步骤
首先，导入所需的库：
import numpy as np
创建两个不同形状的数组：
arr1 = np.arange(27.0).reshape((3, 3, 3)) arr2 = np.arange(9.0).reshape((3, 3))
显示数组：
print("Array 1...
", arr1)
print("
Array 2...
", arr2)获取数组的类型：
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)获取数组的维度：
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)获取数组的形状：
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)要在Python NumPy中对不同形状的参数进行元素级乘法，请使用numpy.multiply()方法：
print("
Result (multiply element-wise)...
",np.multiply(arr1, arr2))
示例
import numpy as np
# Create two arrays with different shapes
arr1 = np.arange(27.0).reshape((3, 3, 3))
arr2 = np.arange(9.0).reshape((3, 3))
# Display the arrays
print("Array 1...
", arr1)
print("
Array 2...
", arr2)
# Get the type of the arrays
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)
# Get the dimensions of the Arrays
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)
# Get the shape of the Arrays
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)
# To multiply arguments element-wise with different shapes, use the numpy.multiply() method in Python Numpy
print("
Result (multiply element-wise)...
",np.multiply(arr1, arr2))输出
Array 1... [[[ 0. 1. 2.] [ 3. 4. 5.] [ 6. 7. 8.]] [[ 9. 10. 11.] [12. 13. 14.] [15. 16. 17.]] [[18. 19. 20.] [21. 22. 23.] [24. 25. 26.]]] Array 2... [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] Our Array 1 type... float64 Our Array 2 type... float64 Our Array 1 Dimensions... 3 Our Array 2 Dimensions... 2 Our Array 1 Shape... (3, 3, 3) Our Array 2 Shape... (3, 3) Result (multiply element-wise)... [[[ 0. 1. 4.] [ 9. 16. 25.] [ 36. 49. 64.]] [[ 0. 10. 22.] [ 36. 52. 70.] [ 90. 112. 136.]] [[ 0. 19. 40.] [ 63. 88. 115.] [144. 175. 208.]]]
更新于：2022年2月7日
2K+ 次浏览
广告