04 numpy ndarray数组的矩阵积

简介: === 数学知识补充 ===矩阵:多维数组即矩阵矩阵积: 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数,与第二个矩阵的行数相同,那么可以进行矩阵的乘法。

=== 数学知识补充 ===

矩阵:多维数组即矩阵
矩阵积: 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数,与第二个矩阵的行数相同,那么可以进行矩阵的乘法。
矩阵积也称点积、数量积。


img_6326254cd7c0a068aaff92c5011a8933.png
矩阵积

=== 案例 ===

img_4b30b4b7cbf5c5a0faebd11fdb57b3c8.png
三个部门的各类产品数量
img_35c464f5dabed5d0b7356e0079efbcaf.png
每类产品的单价和体积

求三个部门的各类产品的价格总和,以及各部门产品占用的总空间

1、各部门各类产品数量建模

products_quantity = np.array([
        [120,60,220],
        [115,23,201],
        [132,48,230]
    ])

2、产品单价、体积建模

price_volume = np.array([
        [12,0.04],
        [204,2],
        [9,0.45]
    ])

3、计算得到的是各部门的 (总价,总体积)

np.dot(products_quantity,price_volume)

array([[ 15660. , 223.8 ],
[ 7881. , 141.05],
[ 13446. , 204.78]])

相关文章
|
3月前
|
存储 索引 Python
一文掌握python数组numpy的全部用法(零基础学python(二))
一文掌握python数组numpy的全部用法(零基础学python(二))
31 0
|
12天前
|
存储 数据采集 数据处理
《Numpy 简易速速上手小册》第6章:Numpy 高级数组操作(2024 最新版)
《Numpy 简易速速上手小册》第6章:Numpy 高级数组操作(2024 最新版)
29 1
《Numpy 简易速速上手小册》第6章:Numpy 高级数组操作(2024 最新版)
|
12天前
|
存储 算法 数据处理
《Numpy 简易速速上手小册》第3章:Numpy 数组操作与变换(2024 最新版)
《Numpy 简易速速上手小册》第3章:Numpy 数组操作与变换(2024 最新版)
32 0
|
12天前
|
存储 数据采集 数据挖掘
《Numpy 简易速速上手小册》第2章:Numpy 数据类型和数组构造(2024 最新版)
《Numpy 简易速速上手小册》第2章:Numpy 数据类型和数组构造(2024 最新版)
24 0
|
12天前
|
架构师 Java Python
NumPy 系列教程 001:入门和使用数组
NumPy 系列教程 001:入门和使用数组
19 0
|
13天前
|
存储 机器学习/深度学习 数据挖掘
自定义数据类型与NumPy结构数组详解
【4月更文挑战第17天】本文详细介绍了NumPy中的自定义数据类型和结构数组。通过`numpy.dtype`可创建自定义数据类型,如示例中的包含整数和浮点数字段的数组。结构数组能存储不同类型的元素,每行作为一个记录,包含多个字段。创建结构数组时,定义字段及其数据类型,然后通过字段名进行访问和操作。掌握这些技术能提升数据处理效率和灵活性,尤其在科学计算和数据分析领域。
|
13天前
|
数据处理 索引 Python
数组的连接与分割:NumPy的高级操作技巧
【4月更文挑战第17天】NumPy提供了丰富的功能来进行数组的连接与分割操作。通过使用`np.concatenate`、`np.stack`、`np.hstack`、`np.vstack`以及`np.split`、`np.hsplit`、`np.vsplit`等函数,我们可以轻松地对数组进行各种形式的连接和分割。此外,利用NumPy的广播机制和掩码操作,我们还可以实现更加灵活的数组处理。掌握这些高级操作技巧将使我们能够更高效地处理大规模数据集,并在数值计算和数据处理方面取得更好的效果。
|
13天前
|
搜索推荐 数据挖掘 数据处理
NumPy数组统计与排序方法全览
【4月更文挑战第17天】本文介绍了NumPy在Python中的数组统计和排序功能。主要包括计算平均值、标准差和方差的`np.mean()`, `np.std()`, `np.var()`方法,以及求最大值、最小值、百分位数的功能。在排序方面,讲解了基本排序的`np.sort()`,获取排序索引的`np.argsort()`,逆序排序和随机排序的方法。这些工具对于数据分析和科学计算十分实用,能有效提升数据处理效率。
|
13天前
|
存储 数据处理 Python
NumPy数组运算:元素级与广播机制剖析
【4月更文挑战第17天】NumPy是Python数值计算库,提供元素级运算和广播机制。元素级运算针对数组每个元素单独计算,如加法、减法等;广播机制允许不同形状数组间运算,通过扩展小数组形状匹配大数组。了解这两点能帮助更好地运用NumPy进行数值计算和数据处理。
|
13天前
|
存储 索引 Python
深入解析NumPy数组的形状与重塑
【4月更文挑战第17天】本文深入解析了NumPy数组的形状和重塑。数组形状是表示数组维度和大小的元组,可通过`shape`属性获取。重塑允许改变数组形状而不改数据,需保证元素总数不变。`reshape`方法用于重塑,其中`-1`可让NumPy自动计算尺寸。注意重塑遵循元素总数相等、仅一次`-1`、内存存储顺序及返回新数组的原则。理解和掌握这些概念对高效使用NumPy处理多维数组至关重要。