Phần tử tuple Python phép nhân khôn ngoan

Vì tf.math.multiply sẽ chuyển các đối số của nó thành các đối số Tensor, nên bạn cũng có thể chuyển các đối số không phải ____27_______

tf.math.multiply(7,6)

Nếu

x = tf.constant(([1, 2, 3, 4]))
tf.math.multiply(x, x)

0 không giống với

x = tf.constant(([1, 2, 3, 4]))
tf.math.multiply(x, x)

1, chúng sẽ được phát sang một hình dạng tương thích. (Thông tin thêm về phát sóng tại đây. )

Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách sử dụng phép nhân phần tử NumPy

# Below are the quick examples

# Example 1: Get multiplication values using multiply()
arr = [2, 4, 6, 8, 5, 7] 
arr2 = np.multiply(arr,3)

# Example 2: use numpy.multiply() function to multiplication two numbers  
arr = 5
arr1 = 8  
arr2 = np.multiply(arr, arr1) 

# Example 3: use numpy.multiply() function
arr2 = np.multiply(3, 9)

# Example 4: Get the multiplication use numpy.multiply() 
arr = np.array([2, 4, 6, 8, 1])
arr1 =np.array( [3, 5, 7, 9, 2])
arr2 = np.multiply(arr, arr1)

# Example 5: Use numpy.mutiply() function and 
# get the matrix multiplication
arr = np.array([[2, 4, 6, 8],[1, 3, 5, 7]])
arr1 = np.array([[2, 3, 5, 4],[8, 5, 3, 2]])
arr2 = np.multiply(arr, arr1)

# Example 6: Get the certain rows multiplication
arr2 = np.multiply(arr[1,:],arr1[0,:])
arr3 = np.multiply(arr[ 0,: 2], arr1[ 1,: 1])
arr4 = np.multiply(arr[ 1,: 3], arr1[ 0,: 1])

# Example 7: Find the multiplication with the * operator
arr = np.array([[2, 4, 6, 8],[1, 3, 5, 7]])
arr1 = np.array([[2, 3, 5, 4],[8, 5, 3, 2]])
arr2 = arr * arr1

2. Cú pháp của NumPy nhân()

Sau đây là cú pháp của hàm numpy.multiply().

# Syntax of numpy.multiply() 
numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

2. 1 Tham số của NumPy multi()

Sau đây là các tham số của phép nhân ()

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  2 – Mảng hoặc đối tượng đầu vào đầu tiên hoạt động như một phép nhân

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  3 – Mảng hoặc đối tượng đầu vào thứ hai hoạt động như một phép nhân

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  4 – Đó là ndarray, Không, hoặc bộ của ndarray và Không, tùy chọn. Out sẽ là vị trí lưu trữ kết quả. Nếu được cung cấp, nó phải có hình dạng mà đầu vào phát tới. Nếu không được cung cấp hoặc Không có, một mảng mới được phân bổ sẽ được trả về

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  5 – Điều kiện này được phát qua đầu vào. Mảng đầu ra sẽ được đặt thành kết quả hàm (ufunc) ở những vị trí có điều kiện là Đúng, trong khi nếu giá trị Sai có nghĩa là chỉ để lại giá trị ở đầu ra

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  6 – Cho phép chuyển độ dài biến từ khóa của đối số cho một hàm. Được sử dụng khi chúng ta muốn xử lý một đối số được đặt tên trong một hàm

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  7 – {'C', 'F', 'A', 'K'}, tùy chọn. 'C'. có nghĩa là làm phẳng theo hàng chính bằng cách sử dụng thứ tự kiểu C. 'F'. có nghĩa là làm phẳng theo thứ tự cột lớn (kiểu Fortran). 'MỘT'. có nghĩa là làm phẳng theo thứ tự chính của cột nếu a là Fortran liền kề trong bộ nhớ, thứ tự chính của hàng nếu không. K’. có nghĩa là làm phẳng một thứ tự các phần tử xuất hiện trong bộ nhớ. Theo mặc định, thứ tự chỉ mục 'C' được sử dụng

• 
  # Syntax of numpy.multiply() 
  numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 
  

  8 – Đây là một tham số tùy chọn chỉ định kiểu dữ liệu của mảng được trả về

2. 2 Giá trị trả về của hàm multi()

Nó trả về một mảng chứa các giá trị nhân của một mảng đầu vào

3. Cách sử dụng hàm NumPy multi()

numpy.multiply() là một hàm toán học và được sử dụng để tính toán phép nhân giữa hai mảng NumPy. Trả về một phép nhân của các đầu vào, theo từng phần tử

Chúng ta có thể nhân mảng với một giá trị vô hướng, để làm như vậy, chúng ta đã lấy một mảng có tên arr làm phép nhân và giá trị vô hướng 3 biểu thị phép nhân. Bây giờ chúng ta sẽ chuyển mảng và giá trị vô hướng làm đối số trong hàm numpy.multiply(). Đầu tiên, chúng ta phải tạo một mảng NumPy và sau đó, áp dụng chức năng này

import numpy as np

# creating an 1D input array
arr = [2, 4, 6, 8, 5, 7] 

# Get multiplication values using multiply()
arr2 = np.multiply(arr,3)
print(arr2)

# Output
# [ 6 12 18 24 15 21]

4. sử dụng numpy. hàm multi() để nhân hai số

Nếu một trong hai

# Syntax of numpy.multiply() 
numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

2 hoặc

# Syntax of numpy.multiply() 
numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

3 là 0-D(vô hướng) thì

import numpy as np

# creating an 1D input array
arr = [2, 4, 6, 8, 5, 7] 

# Get multiplication values using multiply()
arr2 = np.multiply(arr,3)
print(arr2)

# Output
# [ 6 12 18 24 15 21]

3 tương đương với phép nhân của hai số

import numpy as np

# creating an 1D input array
arr = [2, 4, 6, 8, 5, 7] 

# Get multiplication values using multiply()
arr2 = np.multiply(arr,3)
print(arr2)

# Output
# [ 6 12 18 24 15 21]

4

arr = 5
arr1 = 8

# use numpy.multiply() function to multiplication two numbers    
arr2 = np.multiply(arr, arr1) 
print (arr2) 

# Output
# 40

# use numpy.multiply() function
arr2 = np.multiply(3, 9)
print (arr2) 

# Output
# 27

5. Phép nhân mảng NumPy Elementwise

Sử dụng hàm multiply(), chúng ta có thể nhân hai mảng một chiều theo từng phần tử, Trong ví dụ dưới đây, tôi đang nhân

# Syntax of numpy.multiply() 
numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

2 với

# Syntax of numpy.multiply() 
numpy.multiply(arr, arr1, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = 

3

# creating two input array
arr = np.array([2, 4, 6, 8, 1])
arr1 =np.array( [3, 5, 7, 9, 2])

# Get the multiplication use numpy.multiply() 
arr2 = np.multiply(arr, arr1)
print(arr2)

# Output
# [ 6 20 42 72  2]

7. Sử dụng NumPy. nhân () với Mảng hai chiều

Hãy thực hiện phép nhân theo từng phần tử bằng cách sử dụng hàm 

import numpy as np

# creating an 1D input array
arr = [2, 4, 6, 8, 5, 7] 

# Get multiplication values using multiply()
arr2 = np.multiply(arr,3)
print(arr2)

# Output
# [ 6 12 18 24 15 21]

8 trên mảng 2 chiều. Điều này nhân mọi phần tử của ma trận thứ nhất với phần tử tương đương trong ma trận thứ hai bằng cách sử dụng phép nhân chia phần tử hoặc Sản phẩm Hadamard. Đảm bảo rằng kích thước của cả hai ma trận phải giống nhau để nhân

# Create a numpy two dimensional arrays
arr = np.array([[2, 4, 6, 8],[1, 3, 5, 7]])
arr1 = np.array([[2, 3, 5, 4],[8, 5, 3, 2]])
                 
# Use numpy.mutiply() function and 
# get the matrix multiplication
arr2 = np.multiply(arr, arr1)
print(arr2)

# Output
# [[ 4 12 30 32]
#  [ 8 15 15 14]]

Để chuyển một số hàng, cột hoặc ma trận con nhất định cho hàm numpy.multiply() và nhận phép nhân của một số hàng, cột và ma trận con nhất định. Chúng ta nên tuân theo cùng kích thước của các hàng, cột hoặc ma trận con mà chúng ta chuyển làm toán hạng của mình. Hãy lấy một ví dụ,

# Get the certain rows multiplication
arr2 = np.multiply(arr[1,:],arr1[0,:])
print(arr2)

# Output
# [ 2  9 25 28]

arr3 = np.multiply(arr[ 0,: 2], arr1[ 1,: 1])
print(arr3)

# Output
# [16 32]

arr4 = np.multiply(arr[ 1,: 3], arr1[ 0,: 1])
print(arr4)

# Output
# [ 2  6 10]

8. Phép nhân mảng NumPy với toán tử *

Chúng ta cũng có thể sử dụng toán tử

arr = 5
arr1 = 8

# use numpy.multiply() function to multiplication two numbers    
arr2 = np.multiply(arr, arr1) 
print (arr2) 

# Output
# 40

# use numpy.multiply() function
arr2 = np.multiply(3, 9)
print (arr2) 

# Output
# 27

0 để nhân hai mảng. Kết quả tương tự như trên

# Find the multiplication with the * operator
arr2 = arr * arr1
print(arr2)

# Output
# [[ 4 12 30 32]
#  [ 8 15 15 14]]

9. Phần kết luận

Trong bài viết này, tôi đã giải thích cách sử dụng hàm numpy.multiply() và cách tính toán phép nhân của mảng NumPy trên mảng đa chiều (2-D) và 1-D

Công dụng của Len() trong tuple là gì?

Các phần tử có thể lặp lại trong một Tuple không?

Bộ dữ liệu có thể không đồng nhất?

Bạn có thể truy cập các phần tử trong bộ Python không?