comment la multiplication diffèrent pour NumPy Matrice vs Tableau des classes?

La numpy docs recommandons l'utilisation de tableau au lieu de la matrice pour travailler avec des matrices. Cependant, contrairement à l'octave (que j'utilisais jusqu'à récemment), * ne pas effectuer la multiplication de matrice, vous devez utiliser la fonction matrixmultipy(). Je pense que ça rend le code illisible.

Quelqu'un partage mon point de vue, et a trouvé une solution?

  • Vous allez avoir un avis et non une question. Est-il quelque chose de plus spécifique, nous pouvons vous aider avec ou peut-être vous guider en la rendant plus lisible?
  • En fait les docs recommandons l'utilisation de la matrice si vous ne l'algèbre linéaire et de ne pas wan pas à utiliser multiplier() ainsi quel est le problème?
  • Je n'ai pas passé par les docs en détail. Juste par curiosité, quels sont les avantages de faire des tableaux offrent par rapport à la matrice de classe? J'ai trouvé que les tableaux ne font pas de distinction entre les lignes et de colonnes. Est-ce parce que les tableaux sont censés être considérés comme des tenseurs plutôt que de matrices? Comme Joe l'a souligné, le fait que la matrice de classe 2-dim est assez limitant. Quelle est la pensée qui sous-tend ce type de conception, comme dans, pourquoi ne pas avoir une seule matrice de classe comme matlab/octave?
  • Je suppose que le principal problème est que python n'a pas .* vs '*' la syntaxe de l'élément sage vs multiplication de matrice. Si elle avait alors que tout cela serait plus simple si je suis surpris qu'ils choisissent * à la moyenne de l'élément de sage et de ne pas la multiplication de matrices.
InformationsquelleAutor elexhobby | 2010-10-08