資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學NumPy中不同形狀陣列的元素級乘法
要在Python NumPy中對不同形狀的引數進行元素級乘法，請使用**numpy.multiply()**方法。
out是一個儲存結果的位置。如果提供，它必須具有輸入廣播到的形狀。如果沒有提供或為None，則返回一個新分配的陣列。元組（僅可能作為關鍵字引數）的長度必須等於輸出的數量。
條件在輸入上廣播。在條件為True的位置，out陣列將設定為ufunc結果。在其他位置，out陣列將保留其原始值。請注意，如果透過預設的out=None建立一個未初始化的out陣列，則其中條件為False的位置將保持未初始化狀態。
NumPy 提供了全面的數學函式、隨機數生成器、線性代數例程、傅立葉變換等等。它支援各種硬體和計算平臺，並且與分散式、GPU和稀疏陣列庫配合良好。
步驟
首先，匯入所需的庫：
import numpy as np
建立兩個不同形狀的陣列：
arr1 = np.arange(27.0).reshape((3, 3, 3)) arr2 = np.arange(9.0).reshape((3, 3))
顯示陣列：
print("Array 1...
", arr1)
print("
Array 2...
", arr2)獲取陣列的型別：
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)獲取陣列的維度：
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)獲取陣列的形狀：
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)要在Python NumPy中對不同形狀的引數進行元素級乘法，請使用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))輸出
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.]]]
更新於：2022年2月7日
2K+ 次瀏覽
廣告