当前位置：极客教程 > Numpy > Numpy教程 > 在Python中使用NumPy的向量外积与爱因斯坦求和惯例

在Python中使用NumPy的向量外积与爱因斯坦求和惯例

在Python中使用NumPy的向量外积与爱因斯坦求和惯例

在这篇文章中，我们将在Python中找到带有爱因斯坦求和惯例的向量外积。

numpy.einsum() 方法

NumPy库中的numpy.einsum()方法是用Python中的爱因斯坦求和惯例来寻找向量外积。许多常见的多维线性代数数组操作可以用爱因斯坦求和方法来简单描述，它以隐式模式计算这些数值。通过抑制或强制在显式模式下对定义的下标标签进行求和，它允许我们有额外的自由来计算可能不被认为是标准的爱因斯坦求和操作的其他数组操作。

语法: numpy.einsum(subscripts, *operands, out=None)

参数:

  • subscripts: str type.作为一个逗号分隔的下标标签列表，指定用于求和的下标。除非给出明确的符号’->’和精确输出形式的下标标签，否则将进行隐式（经典的爱因斯坦求和）计算。
  • operands：array_like的列表。该操作的数组如下。
  • out: ndarray, 可选参数。如果提供了这个数组，计算将在这个数组中完成。

返回：基于爱因斯坦求和惯例的计算是输出。

示例 1

这里，我们将使用np.arrange()方法创建一个NumPy数组。之后使用numpy.einsum()方法，用Python中的爱因斯坦求和惯例找到向量外积。在np.einsum()方法中传递的字符串’i’, ‘j’代表向量外积，向量外积是在np.einsum()方法中对形成的数组和[1,2,3]数组进行的。

# import packages
import numpy as np
# Creating an array
array = np.arange(10)
print(array)
  
# shape of the array is
print("Shape of the array is : ", array.shape)
  
# dimension of the array
print("The dimension of the array is : ", array.ndim)
  
# Datatype of the array
print("Datatype of our Array is : ", array.dtype)
  
# vector outer product using np.einsum()
# method
print(np.einsum('i,j', [1, 2, 3], array))
Python

输出:

[0 1 2 3 4 5 6 7 8 9]
Shape of the array is :  (10,)
The dimension of the array is :  1
Datatype of our Array is :  int64
[[ 0  1  2  3  4  5  6  7  8  9]
 [ 0  2  4  6  8 10 12 14 16 18]
 [ 0  3  6  9 12 15 18 21 24 27]]
Python

示例 2

在这个例子中，我们将用另一种方法检查向量外积，我们将看到使用np.outer()方法将得到相同的输出。

# import packages
import numpy as np
  
# vector outer product
print(np.outer([1, 2, 3], array))
Python

输出:

[[ 0  1  2  3  4  5  6  7  8  9]
 [ 0  2  4  6  8 10 12 14 16 18]
 [ 0  3  6  9 12 15 18 21 24 27]]
Python

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Numpy教程

登录

找回密码？

注册