向量是非常迷人的实体，构成了数学领域中使用的不同空间和平面导航的本质。虽然可以使用向量执行无数种操作，但在本文中，我们将使用Python numpy 库 中的内置函数 -outer() 函数来探索这样一种操作 ！
另请检查：Pandas Dataframe 和 Numpy Arrays 之间的差异
让我们首先导入 numpy 库，然后使用下面的代码部署 external() 函数。
import numpy as np |
我们将通过以下部分深入介绍 outer() 函数。
- 外部() 函数的语法
- 计算一维数组的外积
- 计算 N 维数组的外积
- 计算字母的外积
- 使用Numpy函数计算外积
外部()函数的语法
确定给定向量集的外积的基本机制是将一个向量的每个元素与其他每个元素相乘，并将每个相应的结果视为输出向量的一部分。这就是在outer()函数中发生的所有事情，其语法如下：
numpy.outer(a, b, out=None) |
在哪里，
- a – 第一个输入向量的 n 维数组
- b – 第二个输入向量的 n 维数组
- out –默认情况下设置为none 的 可选构造 ，但可用于将结果存储在适当长度的数组中
计算一维数组的外积
导入 numpy 库后，让我们使用几个一维数组求向量的外积，如下所示。
ar1 = [[12, 36, 71, 99]]ar2 = [[2, 8, 9, 56]]np.outer(ar1, ar2) |
输出数组还应包含 4 列，但显着的变化是行数，应为 4 而不是 1。这里发生的是第一个数组的第一个元素，“12”与中的每个元素相乘第二个数组，解释输出第一行的结果。
输出数组“24”的第一个元素是 12×2 的乘积，第二个元素“96”是 12×8 的乘积，依此类推。如此迭代，直到数组的最后一个元素乘以 12，然后对下一个元素“36”重复该过程。现在结果记录在新行中！
计算 N 维数组的外积
在本节中，让我们使用 3 列和 2 行的数组计算向量的外积。猜猜结果可能是什么？
ar3 = [[24, 25, 26], [5, 2, 9]]ar4 = [[6, 8, 12], [4, 3, 10]]np.outer(ar3, ar4) |
6×6 阵列！
计算字母的外积
向量的外积不仅限于数字，还可以通过将字母的数据类型指定为“对象”来使用字母，如下所示。
ar5 = np.array(['x', 'y', 'z'], dtype = object)ar6 = [[2, 6, 1]]np.outer(ar5, ar6) |
生成的输出数组应包含“ar5”中的字母，重复次数与“ar6”每个元素中指定的次数相同。
使用 Numpy 函数计算外积
还可以使用Ones( )的组合来计算向量的外积-它根据指定的维度创建一个带有“1”的数组 & linspace( ) –通过将指定范围除以指定的数字来创建一组数字零件。
让我们使用linspace( )将 2 和 8 之间的范围分为四个部分，以便在本节中进行演示。
ar7 = np.ones(4)ar8 = np.linspace(2, 8, 4)np.outer(ar7, ar8) |
结论
现在我们已经到了本文的结尾，希望它已经详细说明了如何使用 numpy 库中的 outer() 函数。这是另一篇文章，解释了如何在 Python 中使用numpy 求平方根 。AskPython中还有许多其他有趣且内容丰富的文章，可能对那些希望提高 Python 水平的人有很大帮助。当你享受这些的时候， hasta luego！