¿Qué significa matriz ** 2 en python/numpy?

Question

tengo una temperatura pitón ndarray en algún código que estoy leyendo que sufre esto: (. Es decir, equivalente a m * m)

x = temp**2 

¿Es esta la plaza de puntos o la plaza matriz (es decir, m debe ser una matriz cuadrada)? En particular, me gustaría saber si puedo deshacerse de la transpuesta en este código:

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

y convertirlo en esto:

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

que me va a ahorrar al menos 0,1 ms, y claramente vale mi tiempo.
Gracias! ¡El operador ** es indestructible y no sé nada! a

Answer 1

Es solo el cuadrado de cada elemento.

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

impresiones

[[0 1] 
[4 9]] 

Answer 2

** es el operador a subir al poder en Python, por lo x**2 significa "x al cuadrado" en Python - incluyendo numpy. Tales operaciones en numpy siempre aplican elemento por elemento, por lo que x**2 cuadra cada elemento de la matriz x (cualquier número de dimensiones) igual que, por ejemplo, x*2 duplicaría cada elemento, o x+2 incrementaría cada elemento por dos (en cada caso, x propiamente dicho no se ve afectado, el resultado es una nueva matriz temporal de la misma forma que x!).

Editar: @ kaizer.ze como señala, mientras que lo que he escrito es válido para numpy.array objetos, que no se aplica a numpy.matrix objetos, donde la multiplicación significa la multiplicación de matrices en lugar de elemento por elemento de operación como por array (y de manera similar para elevar al poder) - de hecho, esa es la diferencia clave entre los dos tipos. A medida que el Scipy tutorial pone, por ejemplo:

Cuando usamos numpy.array o numpy.matrix hay una diferencia. A * x será en este último caso el producto matriz , no el producto elemento como con matriz.

es decir, como el numpy reference pone:

Una matriz es una matriz especializada 2-d que conserva su naturaleza 2-d a través de operaciones. Tiene ciertos operadores especiales , como * (multiplicación de la matriz ) y ** (potencia de la matriz).

Answer 3

Debe leer NumPy for Matlab Users. Aquí se menciona la operación de potencia con elementos, y también se puede ver que en numpy, algunos operadores aplican de manera diferente a array y matrix.

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