Python에서 생성된 ndarray 인스턴스 설명
import numpy as np
data1 = [1, 2, 3, 4]
data2 = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr1 = np.array(data1)
arr2 = np.array(data2)
arr1 = arr1 * 10
arr2 = arr2 + arr1
print(arr1)
print(arr2)
결과는 다음과 같다.[10 20 30 40]
[[11 22 33 44]
[15 26 37 48]]
인스턴스 확장:
행렬 곱하기: 선형 대수에 따른 곱셈
>>> a = np.array([[1,2,3], [2,3,4]])
>>> b = np.array([[1,2], [3,4], [5,6]])
>>> a
array([[1, 2, 3],
[2, 3, 4]])
>>> b
array([[1, 2],
[3, 4],
[5, 6]])
>>> np.dot(a, b) #
array([[22, 28],
[31, 40]])
>>> np.matmul(a,b) #
array([[22, 28],
주: 1차원 그룹 간에 연산할 때dot()는 내적을 나타낸다.점 곱하기: 대응 위치 곱하기
>>> a = np.array([[1,2],[3,4]])
>>> b = np.array([[1,1],[2,2]])
>>> a
array([[1, 2],
[3, 4]])
>>> b
array([[1, 1],
[2, 2]])
>>> a * b #
array([[1, 2],
[6, 8]])
>>> np.multiply(a, b) #
array([[1, 2],
[6, 8]])
Python에서 ndarray를 생성하는 실례에 대한 설명이 여기 있습니다. Python에서 ndarray를 생성하는 방법에 대한 자세한 내용은 저희 이전의 글을 검색하거나 아래의 관련 글을 계속 훑어보십시오. 앞으로 많은 응원 부탁드립니다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Python의 None과 NULL의 차이점 상세 정보그래서 대상 = 속성 + 방법 (사실 방법도 하나의 속성, 데이터 속성과 구별되는 호출 가능한 속성 같은 속성과 방법을 가진 대상을 클래스, 즉 Classl로 분류할 수 있다.클래스는 하나의 청사진과 같아서 하나의 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.