/
Вопросы и ответы
/
Python
/

Что такое функция dot в Python?

Что такое функция dot в Python?

4 года назад

Andrey Moshkov

Ответы

0

Функция dot в Python является частью модуля NumPy и используется для выполнения умножения матриц и векторов.

Синтаксис функции dot выглядит следующим образом:

1
np.dot(a, b)

Где a и b - это два массива NumPy, которые мы хотим перемножить. Если оба массива представляют собой вектора, то dot возвращает их скалярное произведение. Если массивы представляют матрицы, то dot возвращает их матричное произведение.

Например, если у нас есть два вектора:

1
2
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

То выражение np.dot(a, b) вернет результат:

1
1*4 + 2*5 + 3*6 = 32

Если же у нас есть две матрицы:

1
2
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])

То выражение np.dot(A, B) вернет матрицу:

1
2
[[1*5 + 2*7, 1*6 + 2*8],
 [3*5 + 4*7, 3*6 + 4*8]]

Таким образом, функция dot в Python позволяет удобно и эффективно выполнять умножение матриц и векторов при работе с многомерными массивами

2 года назад

Ivan Mamtsev

0

Функция numpy.dot() в библиотеке NumPy возвращает скалярное произведение двух массивов.

Синтаксис: numpy.dot(a, b, out=None)

Параметры:

  • a — первый параметр. Если это комплексное число, то для вычисления скалярного произведения используется его комплексное сопряжение.
  • b — второй параметр. Если это комплексное число, то для вычисления скалярного произведения используется его комплексное сопряжение.
  • out — выходной аргумент (указывается опционально).

Возвращаемое значение: если оба массива одномерные, то возвращается скаляр, в противном случае — массив.

Пример:

1
2
3
a = np.array([1, 2, 3], float)
b = np.array([0, 1, 1], float)
np.dot(a, b)

2 года назад

Алёна Шереметьева

0

dot() — функция библиотеки NumPy. Для двух векторов она возвращает скалярное произведение, для двух матриц — их матричное произведение. Во встроенном Python такой функции нет.

1
2
3
4
5
import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(np.dot(a, b))  # => 32, потому что 1*4 + 2*5 + 3*6 = 32

Умножение матриц

1
2
3
4
5
6
7
8
A = np.array([[1, 2],
              [3, 4]])
B = np.array([[5, 6],
              [7, 8]])

print(np.dot(A, B))
# [[19 22]
#  [43 50]]

Число столбцов первой матрицы должно совпадать с числом строк второй. Иначе будет ValueError: shapes (2,3) and (2,3) not aligned.

Оператор @

С Python 3.5 матрицы умножают оператором @ — это то же самое, что np.matmul():

1
print(A @ B)  # тот же результат, что np.dot(A, B)

Для двумерных массивов dot и @ дают одинаковый результат. Для массивов с тремя и больше измерениями они работают по-разному, там используйте @.

dot и *

* умножает массивы поэлементно:

1
2
3
print(A * B)
# [[ 5 12]
#  [21 32]]

Матрица на вектор

1
2
v = np.array([1, 1])
print(A @ v)  # => [3 7]

Без NumPy

Скалярное произведение двух списков в чистом Python:

1
2
3
a = [1, 2, 3]
b = [4, 5, 6]
print(sum(x * y for x, y in zip(a, b)))  # => 32

NumPy и линейную алгебру для анализа данных разбирают в курсе «Python для анализа данных».

месяц назад

Никита Вихров

+7 800 100 22 47

бесплатно по РФ

+7 495 085 21 62

бесплатно по Москве

108813 г. Москва, вн.тер.г. поселение Московский,
г. Московский, ул. Солнечная, д. 3А, стр. 1, помещ. 20Б/3
ОГРН 1217300010476
ИНН 7325174845