Введение

В этом лабораторном задании мы исследуем функцию dot() библиотеки Numpy, которая в основном используется для вычисления скалярного произведения двух векторов. Также мы увидим, как эта функция может обрабатывать 2D-массивы как матрицы и выполнять матричное умножение.

Советы по использованию ВМ

После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Разберитесь в синтаксисе numpy.dot()

Синтаксис, необходимый для использования функции dot(), следующий:

numpy.dot(a, b, out=None)

где:

• a - первый параметр. Если "a" комплексное число, то для вычисления скалярного произведения используется его комплексно-сопряженное число.
• b - второй параметр. Если "b" комплексное число, то для вычисления скалярного произведения используется его комплексно-сопряженное число.
• out - аргумент вывода. Если он не используется, то он должен иметь точный тип, который будет возвращен. В противном случае он должен быть C-непрерывным и его dtype должен быть dtype, который будет возвращен для dot(a, b).

Вычислить скалярное произведение скаляров и 1D-массивов

В этом шаге мы будем использовать функцию dot() для вычисления скалярного произведения скаляров и 1D-массивов.

import numpy as np

## Calculate the dot product of scalar values
a = np.dot(8, 4)
print("The dot product of the above given scalar values is: ")
print(a)

## Calculate the dot product of two 1D arrays
vect_a = 4 + 3j
vect_b = 8 + 5j

dot_product = np.dot(vect_a, vect_b)
print("The dot product of two 1D arrays is: ")
print(dot_product)

Выполнить матричное умножение с 2D-массивами

В этом шаге мы будем использовать функцию dot() для выполнения матричного умножения с 2D-массивами.

import numpy as np

a = np.array([[50,100],[12,13]])
print("Matrix a is:")
print(a)

b = np.array([[10,20],[12,21]])
print("Matrix b is:")
print(b)

dot = np.dot(a, b)
print("The dot product of matrices a and b is:")
print(dot)

Обработка ошибок

В этом шаге мы исследуем ValueError, который возникает, когда последняя размерность a не совпадает с предпоследней размерностью b.

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8], [9, 10], [11, 12], [13, 14]])

## Error handling
error = np.dot(a, b)
print(error)

Резюме

В этом практическом занятии мы рассмотрели функцию dot() библиотеки Numpy. Мы узнали, как использовать эту функцию с ее синтаксисом, и значения, возвращаемые функцией, были объяснены с помощью примеров кода. Мы также изучили обработку ошибок функции.