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
|
6天前
|
计算机视觉 Python
PIL图像转换为Numpy数组:技术与案例详解
本文介绍了如何将PIL图像转换为Numpy数组,以便利用Numpy进行数学运算和向量化操作。首先简要介绍了PIL和Numpy的基本功能,然后详细说明了转换过程,包括导入库、打开图像文件、使用`np.array()`或`np.asarray()`函数进行转换,并通过打印数组形状验证转换结果。最后,通过裁剪、旋转和缩放等案例展示了转换后的应用,以及如何将Numpy数组转换回PIL图像。此外,还介绍了处理base64编码图像的完整流程。
20 4
|
2月前
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
97 10
|
2月前
|
Python
Numpy学习笔记(四):如何将数组升维、降维和去重
本文介绍了如何使用NumPy库对数组进行升维、降维和去重操作。
59 1
|
2月前
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
58 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
2月前
|
Python
使用 NumPy 进行数组操作的示例
使用 NumPy 进行数组操作的示例
43 2
|
2月前
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
122 4
|
2月前
|
机器学习/深度学习 并行计算 调度
CuPy:将 NumPy 数组调度到 GPU 上运行
CuPy:将 NumPy 数组调度到 GPU 上运行
127 1
|
3月前
|
API Python
Numpy 数组的一些集合操作
Numpy 数组的一些集合操作
44 0
|
3月前
|
编译器 Linux API
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
52 0
|
3月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
110 0