Ik heb twee matrices
a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])
En ik wil het element-wise product, [[1*5,2*6], [3*7,4*8]]
, gelijkmakende
[[5,12], [21,32]]
Ik heb
geprobeerd
print(np.dot(a,b))
en
print(a*b)
maar beide geven het resultaat
[[19 22], [43 50]]
Wat is het matrixproduct, niet het element-wijze product. Hoe kan ik het Element-Wise-product (AKA Hadamard-product) krijgen met ingebouwde functies?
Antwoord 1, Autoriteit 100%
Voor elementgewijze vermenigvuldiging van matrix
Objecten, kunt u numpy.multiply
:
import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])
np.multiply(a,b)
resultaat
array([[ 5, 12],
[21, 32]])
U moet echter echt gebruiken array
in plaats van matrix
. matrix
Objecten hebben allerlei vreselijke incompatibiliteit met reguliere NDarrays. Met NDarrays kunt u gewoon *
gebruiken voor elementgewijze vermenigvuldiging:
a * b
Als je Python 3.5+ gebruikt, verlies je niet eens de mogelijkheid om matrixvermenigvuldiging met een operator uit te voeren, omdat @
doet nu matrixvermenigvuldiging:
a @ b # matrix multiplication
Antwoord 2, autoriteit 19%
doe dit gewoon:
import numpy as np
a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])
a * b
Antwoord 3, autoriteit 6%
import numpy as np
x = np.array([[1,2,3], [4,5,6]])
y = np.array([[-1, 2, 0], [-2, 5, 1]])
x*y
Out:
array([[-1, 4, 0],
[-8, 25, 6]])
%timeit x*y
1000000 loops, best of 3: 421 ns per loop
np.multiply(x,y)
Out:
array([[-1, 4, 0],
[-8, 25, 6]])
%timeit np.multiply(x, y)
1000000 loops, best of 3: 457 ns per loop
Zowel np.multiply
als *
zouden elementgewijze vermenigvuldiging opleveren die bekend staat als het Hadamard-product
%timeit
is ipython magie
Antwoord 4
Probeer dit:
a = np.matrix([[1,2], [3,4]])
b = np.matrix([[5,6], [7,8]])
#This would result a 'numpy.ndarray'
result = np.array(a) * np.array(b)
Hier retourneert np.array(a)
een 2D-array van het type ndarray
en vermenigvuldiging van twee ndarray
resulteert in elementgewijze vermenigvuldiging. Het resultaat zou dus zijn:
result = [[5, 12], [21, 32]]
Als je een matrix wilt hebben, doe het dan als volgt:
result = np.mat(result)