使用 Python 中的 Numpy 进行单行两个矩阵的乘法
原文:https://www . geeksforgeeks . org/乘法-两个矩阵-单行-使用-numpy-python/
矩阵乘法是将两个矩阵作为输入，通过将第一个矩阵的行乘以第二个矩阵的列来产生单个矩阵的运算。在矩阵乘法中，确保第一个矩阵的行数等于第二个矩阵的列数。 例:大小为 3×3 的两个矩阵相乘。
Input:matrix1 = ([1, 2, 3],
[3, 4, 5],
[7, 6, 4])
matrix2 = ([5, 2, 6],
[5, 6, 7],
[7, 6, 4])
Output : [[36 32 32]
[70 60 66]
[93 74 100]]
python 中两个矩阵相乘的方法 1。对循环使用显式:这是一种简单的矩阵乘法技术，但对于较大的输入数据集，这是一种昂贵的方法。在这里，我们使用嵌套的循环来迭代每行和每列。 如果矩阵 1 是n×m矩阵，矩阵 2 是m×l矩阵。
# input two matrices of size n x m
matrix1 = [[12,7,3],
[4 ,5,6],
[7 ,8,9]]
matrix2 = [[5,8,1],
[6,7,3],
[4,5,9]]
res = [[0 for x in range(3)] for y in range(3)]
# explicit for loops
for i in range(len(matrix1)):
for j in range(len(matrix2[0])):
for k in range(len(matrix2)):
# resulted matrix
res[i][j] += matrix1[i][k] * matrix2[k][j]
print (res)
输出:
[[114 160 60]
[ 74 97 73]
[119 157 112]]
在这个程序中，我们使用了嵌套 for 循环来计算结果，它将遍历矩阵的每一行和每一列，最后它将累加结果中乘积的和。 2。使用 Numpy : 使用 Numpy 的乘法也称为矢量化，其主要目的是减少或消除程序中 for 循环的显式使用，从而使计算变得更快。 Numpy 是 python 中用于数组处理和操作的包中的构建。对于较大的矩阵运算，我们使用 numpy python 包，它比迭代一种方法快 1000 倍。 有关 Numpy 的详细信息，请访问链接
# We need install numpy in order to import it
import numpy as np
# input two matrices
mat1 = ([1, 6, 5],[3 ,4, 8],[2, 12, 3])
mat2 = ([3, 4, 6],[5, 6, 7],[6,56, 7])
# This will return dot product
res = np.dot(mat1,mat2)
# print resulted matrix
print(res)
输出:
[[ 63 320 83]
[ 77 484 102]
[ 84 248 117]]
使用 numpy
# same result will be obtained when we use @ operator
# as shown below(only in python >3.5)
import numpy as np
# input two matrices
mat1 = ([1, 6, 5],[3 ,4, 8],[2, 12, 3])
mat2 = ([3, 4, 6],[5, 6, 7],[6,56, 7])
# This will return matrix product of two array
res = mat1 @ mat2
# print resulted matrix
print(res)
输出:
[[ 63 320 83]
[ 77 484 102]
[ 84 248 117]]
在上面的例子中，我们使用了点积，在数学中，点积是一种代数运算，它取两个大小相等的向量，并返回一个数字。计算结果是将相应的条目相乘，然后将这些乘积相加。
本文由 泽拉·夏尔马 供稿。如果你喜欢 GeeksforGeeks 并想投稿，你也可以使用contribute.geeksforgeeks.org写一篇文章或者把你的文章邮寄到 contribute@geeksforgeeks.org。看到你的文章出现在极客博客主页上，帮助其他极客。
如果你发现任何不正确的地方，或者你想分享更多关于上面讨论的话题的信息，请写评论。
版权属于：月萌API www.moonapi.com，转载请注明出处
