Python中的numpy.multiply()

numpy.multiply()函数在我们想计算两个数组的乘法时使用。它返回Arr1和Arr2的乘积，按元素排序。

语法: numpy.multiply(arr1, arr2, /, out=None, *, where=True, casting=’same_kind’, order=’K’, dtype=None, subok=True[, signature, extobj], ufunc ‘multiply’)

参数 :
arr1: [array_like or scalar] 1st Input array.
arr2: [array_like or scalar]第二个输入数组。
dtype: 返回数组的类型。默认情况下，使用Arr的dtype。
out: [ndarray, optional] 一个存储结果的位置。
-> 如果提供，它必须有一个输入广播到的形状。
-> 如果没有提供或没有，将返回一个新分配的数组。
where: [array_like, optional] 值为True表示在该位置计算ufunc，值为False表示不考虑输出中的值。
**kwargs:允许向一个函数传递关键字长度可变的参数。当我们想在一个函数中处理命名的参数时使用。

返回： [ndarray or scalar] arr1和arr2的乘积，按元素排列。

例子#1 :

# Python program explaining
# numpy.multiply() function
  
import numpy as geek
in_num1 = 4
in_num2 = 6
  
print ("1st Input  number : ", in_num1)
print ("2nd Input  number : ", in_num2)
    
out_num = geek.multiply(in_num1, in_num2) 
print ("output number : ", out_num) 

输出 :

1st Input number :  4
2nd Input number :  6
output number :  24

例子#2 :
下面的代码也被称为哈达玛德积，它只不过是两个矩阵的元素-时间-乘积。对于那些对机器学习或统计感兴趣的人来说，它是最常用的产品。

# Python program explaining
# numpy.multiply() function
  
import numpy as geek
  
in_arr1 = geek.array([[2, -7, 5], [-6, 2, 0]])
in_arr2 = geek.array([[0, -7, 8], [5, -2, 9]])
   
print ("1st Input array : ", in_arr1)
print ("2nd Input array : ", in_arr2)
   
    
out_arr = geek.multiply(in_arr1, in_arr2) 
print ("Resultant output array: ", out_arr) 

输出 :

1st Input array :  [[ 2 -7  5]
 [-6  2  0]]
2nd Input array :  [[ 0 -7  8]
 [ 5 -2  9]]
Resultant output array:  [[  0  49  40]
 [-30  -4   0]]

另一种找到相同的方法是

import numpy as geek
in_arr1=geek.matrix([[2, -7, 5], [-6, 2, 0]])
in_arr2 = geek.matrix([[0, -7, 8], [5, -2, 9]])
    
print ("1st Input array : ", in_arr1)
print ("2nd Input array : ", in_arr2)
   
out_arr=geek.array(in_arr1)*geek.array(in_arr2)
print ("Resultant output array: ", out_arr)

输出 :

1st Input array :  [[ 2 -7  5]
 [-6  2  0]]
2nd Input array :  [[ 0 -7  8]
 [ 5 -2  9]]
Resultant output array:  [[  0  49  40]
 [-30  -4   0]]