<\/p>\n
Bior\u0105c pod uwag\u0119 wektor a<\/em> = [a 1<\/sub> , a 2<\/sub> , a 3<\/sub> ] i wektor b<\/em> = [b 1<\/sub> , b 2<\/sub> , b 3<\/sub> ], iloczyn skalarny<\/strong> wektor\u00f3w, oznaczonych a \u00b7 b<\/strong> , jest dany wzorem:<\/span><\/p>\n ab<\/strong> = za 1<\/sub> * b 1<\/sub> + za 2<\/sub> * b 2<\/sub> + za 3<\/sub> * b 3<\/sub><\/span><\/p>\n Na przyk\u0142ad, je\u015bli a<\/em> = [2, 5, 6] i b<\/em> = [4, 3, 2], to iloczyn skalarny a<\/em> i b<\/em> b\u0119dzie r\u00f3wny:<\/span><\/p>\n ab =<\/strong> 2*4 + 5*3 + 6*2<\/span><\/p>\n ab =<\/strong> 8 + 15 + 12<\/span><\/p>\n odb =<\/strong> 35<\/span><\/p>\n M\u00f3wi\u0105c najpro\u015bciej, iloczyn skalarny to suma iloczyn\u00f3w odpowiednich wpis\u00f3w w dw\u00f3ch wektorach.<\/span><\/p>\n W Pythonie mo\u017cesz u\u017cy\u0107 funkcji numpy.dot()<\/strong> , aby szybko obliczy\u0107 iloczyn skalarny mi\u0119dzy dwoma wektorami:<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 numpy.dot()<\/strong> do obliczania iloczynu skalarnego mi\u0119dzy dwoma wektorami:<\/span><\/p>\n Oto jak obliczono t\u0119 warto\u015b\u0107:<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 numpy.dot()<\/strong> do obliczania iloczynu skalarnego mi\u0119dzy dwiema kolumnami w ramce DataFrame pandy:<\/span><\/p>\n Oto jak obliczono t\u0119 warto\u015b\u0107:<\/span><\/p>\n Uwaga:<\/strong> Pami\u0119taj, \u017ce Python zg\u0142osi b\u0142\u0105d, je\u015bli dwa wektory, dla kt\u00f3rych obliczasz iloczyn skalarny, maj\u0105 r\u00f3\u017cn\u0105 d\u0142ugo\u015b\u0107.<\/span><\/p>\n Jak doda\u0107 wiersze do ramki danych Pandas<\/a> Bior\u0105c pod uwag\u0119 wektor a = [a 1 , a 2 , a 3 ] i wektor b = [b 1 , b 2 , b 3 ], iloczyn skalarny wektor\u00f3w, oznaczonych a \u00b7 b , jest dany wzorem: ab = za 1 * b 1 + za 2 * b 2 + za 3 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1948","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n import<\/span> numpy as<\/span> np\n<\/span>\n<\/span>n.p. dowry<\/span> (a, b)\n<\/strong><\/pre>\n Przyk\u0142ad 1: oblicz iloczyn skalarny mi\u0119dzy dwoma wektorami<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#definevectors<\/span>\na = [7, 2, 2]\nb = [1, 4, 9]\n\n#calculate dot product between vectors<\/span>\nn.p. dowry<\/span> (a, b)\n\n33\n<\/strong><\/pre>\n\n
Przyk\u0142ad 2: oblicz iloczyn skalarny mi\u0119dzy dwiema kolumnami<\/strong><\/span><\/h3>\n
import pandas as<\/span> pd<\/span>\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' A<\/span> ': [4, 6, 7, 7, 9],\n ' B<\/span> ': [5, 7, 7, 2, 2],\n ' C<\/span> ': [11, 8, 9, 6, 1]})\n\n#view DataFrame\n<\/span>df\n\n\tA B C\n0 4 5 11\n1 6 7 8\n2 7 7 9\n3 7 2 6\n4 9 2 1\n\n#calculate dot product between column A and column C<\/span>\nn.p. dot<\/span> (df. A<\/span> , df. C<\/span> )\n\n206\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak doda\u0107 tablic\u0119 Numpy do ramki danych Pandas<\/a>
Jak obliczy\u0107 korelacj\u0119 przesuwn\u0105 w pandach<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"