Question

我在某些代码中有一个python ndarray temp，我正在读这个：＃/ p>

x = temp**2

这是点平方（即相当于m。* m）还是矩阵平方（即m必须是方阵）？特别是，我想知道我是否可以在这段代码中摆脱转置：

temp = num.transpose(whatever)
num.sum(temp**2,axis=1))

并将其转换为：

num.sum(whatever**2,axis=0)

这将节省我至少0.1ms，显然值得我的时间谢谢！ **运算符是不可编辑的，我什么都不知道！一个

Answer 1

这只是每个元素的平方。

from numpy import *
a = arange(4).reshape((2,2))
print a**2

打印

[[0 1]
 [4 9]]

Answer 2

您应该阅读NumPy for Matlab Users。这里提到了元素幂功能，你也可以看到，在numpy中，一些运算符对array和matrix采用不同的方式。

>>> from numpy import *
>>> a = arange(4).reshape((2,2))
>>> print a**2
[[0 1]
 [4 9]]
>>> print matrix(a)**2
[[ 2  3]
 [ 6 11]]

Answer 3

**是Python中的提升功能运算符，因此x**2在Python中意味着“x平方” - 包括numpy。 numpy中的此类操作始终逐个元素应用，因此x**2对数组x的每个元素（无论维数的数量）进行平方，就像说x*2会使每个元素加倍，或{{ 1}}将每个元素递增2（在每种情况下，x+2本身不受影响 - 结果是一个与x形状相同的新临时数组！）。

编辑：正如@ kaizer.ze指出的那样，虽然我写的内容适用于x个对象，但它不适用于numpy.array个对象，其中乘法意味着矩阵乘法而不是像numpy.matrix那样逐个元素操作（并且类似地提升到权力） - 实际上，这是两种类型之间的关键区别。正如Scipy tutorial所说，例如：

当我们使用numpy.array或 numpy.matrix有区别。 A * x将在后一种情况矩阵中产品，而不是元素产品与数组。

即，正如numpy reference所说的那样：

矩阵是一个专门的二维数组通过保留其二维性质操作。它有一定的特殊性运算符，例如array（矩阵乘法）和*（矩阵幂）。

矩阵** 2在python / numpy中意味着什么？

3 个答案: