Multiplicación de Arrays en NumPy

NumPy es una de las bibliotecas fundamentales de Python para la ciencia de datos que nos permite trabajar con arreglos multidimensionales y operaciones matemáticas en ellos. Cuando se trabaja con arreglos NumPy, a menudo es necesario realizar operaciones de multiplicación en ellos, tanto element-wise como entre matrices. En este artículo, aprenderemos cómo realizar operaciones de multiplicación en arreglos NumPy y cómo se diferencian de las operaciones de multiplicación de matrices.

Operaciones de Multiplicación Element-wise

La multiplicación element-wise en NumPy se realiza utilizando el operador * entre dos arreglos del mismo tamaño. Cada elemento en la misma posición de los arreglos se multiplica entre sí, lo que da como resultado un nuevo arreglo con los mismos tamaños. Veamos un ejemplo:


import numpy as np

print(multiplied_arr)


Esto producirá la siguiente salida:


[[ 5 12]
[21 32]]


Este es el resultado de la multiplicación element-wise de los arreglos arr1 y arr2. En este ejemplo, los arreglos tienen la misma forma, pero para realizar operaciones element-wise entre arreglos, los arreglos deben tener la misma forma.

La Multiplicación de Matrices en NumPy

A diferencia de las operaciones de multiplicación element-wise, la multiplicación de matrices en NumPy se realiza utilizando el método dot() o la función matmul(). Ambos métodos realizan la multiplicación de matrices de la forma matriz por matriz o matriz por vector. La única diferencia es la forma en que manipulan las matrices con dimensiones y la multiplicación interna. Veamos un ejemplo:


import numpy as np

print(dot_multiplied_matrix)
print(mat_multiplied_matrix)


Esto producirá la siguiente salida:


[[19 22]
[43 50]]

[[19 22]
[43 50]]


Tanto dot() como matmul() han producido el mismo resultado. Es importante tener en cuenta que la multiplicación de matrices es diferente a la multiplicación de los elementos individuales en un arreglo o elemento-wise multiplication.

Multiplicación de Arreglos Bidimensionales y Unidimensionales

A menudo puede necesitar multiplicar un arreglo bidimensional por un vector unidimensional. NumPy admite esta operación utilizando tanto dot() como matmul() para realizar la multiplicación.


import numpy as np

print(dot_multiplied_matrix)
print(mat_multiplied_matrix)


Esto producirá la siguiente salida:


[17 39]

[17 39]


Ambos métodos han producido el mismo resultado, que es el resultado de la multiplicación entre el vector y la matriz.

Conclusión

En este artículo, hemos aprendido cómo realizar operaciones de multiplicación element-wise y la multiplicación de matrices en NumPy. Es importante tener en cuenta que la multiplicación de matrices en NumPy se realiza utilizando dot() o matmul(), mientras que la multiplicación element-wise se realiza con el operador *. También hemos visto como multiplicar arreglos bidimensionales y unidimensionales. Con estas herramientas, podrás realizar operaciones avanzadas con arreglos NumPy.

Preguntas frecuentes

¿Puedo multiplicar arreglos de diferentes formas en NumPy?

No, en NumPy no es posible multiplicar arreglos de diferentes formas. Los arreglos que se multiplican deben tener la misma forma.

¿Puedo usar el operador * para multiplicar matrices en NumPy?

No, el operador * solo se utiliza para la multiplicación element-wise de arreglos NumPy. En cambio, utiliza dot() o matmul() para la multiplicación de matrices en NumPy.

¿Cómo se multiplica una matriz tridimensional en NumPy?

La multiplicación de matrices tridimensionales en NumPy se realiza de la misma manera que los arreglos bidimensionales, utilizando dot() o matmul(). Solo necesitas asegurarte de que las dimensiones de las matrices se ajusten a las reglas para la multiplicación matricial.

¿Cómo se realiza una Operación de Multiplicación Scalar en NumPy?

La multiplicación escalar se realiza en NumPy utilizando el operador *. En este caso, un solo escalar se multiplica por cada elemento en el arreglo. Considere el siguiente ejemplo:


import numpy as np

print(multiplied_arr)


Esto producirá la siguiente salida:


[[2 4]
[6 8]]


En este ejemplo, 2 se ha multiplicado por cada elemento en el arreglo arr utilizando el operador *.
[nekopost slugs="solicitudes-de-python-obtenga-parametros-de-consulta,indice-duplicado-de-pandas-caida,convertir-python-string-enum,python-fusionar-diccionarios,pandas-datetimeindex,pandas-dataframe-eliminar-indice,pytorch-hstack,convertir-bytes-string-python,obtenga-el-directorio-de-trabajo-actual-en-python"]