Looking for numpy Answers? Try Ask4KnowledgeBase
Looking for numpy Keywords? Try Ask4Keywords

numpynumpy.cross


Syntax

  • numpy.cross(a, b) # korsprodukt av a och b (eller vektorer i a och b )
  • numpy.cross(a, b, axisa=-1) # cross produkt av vektorer i a med b , st vektorer i a läggs ut längs axisa axisa
  • numpy.cross(a, b, axisa=-1, axisb=-1, axisc=-1) # korsprodukter av vektorer i a och b , utgångsvektorer som anges längs axeln specificerad av axisc
  • numpy.cross(a, b, axis=None) # korsprodukter av vektorer i a och b , vektorer i a , b och i utgången utmed längs axelaxeln

parametrar

Kolumn Kolumn
a, b I enklaste användning är a och b två 2- eller 3-elementvektorer. De kan också vara matriser av vektorer (dvs. tvådimensionella matriser). Om a är en matris och 'b' är en vektor, returnerar cross(a,b) en matris vars element är korsprodukterna för varje vektor i a med vektorn b . b är en matris och a är en enda vektor, cross(a,b) returnerar en matris vars element är korsprodukterna av a med varje vektor i b . a och b kan båda vara matriser om de har samma form. I detta fall returnerar cross(a,b) cross(a[0],b[0]), cross(a[1], b[1]), ...
axisa / b Om a är en matris, kan det ha vektorer utlagda över den snabbast varierande axeln, den långsammaste varierande axeln eller något däremellan. axisa berättar för cross() hur vektorerna läggs ut i a . Som standard tar det värdet på den långsamt varierande axeln. axisb fungerar på samma sätt med ingång b . Om utgången från cross() kommer att bli en matris kan utgångsvektorerna läggas ut olika matrisaxlar; axisc berättar för cross hur man ska lägga ut vektorerna i dess utgångsgrupp. Som standard indikerar axisc den mest långsamt varierande axeln.
axel En bekvämlighetsparameter som sätter axisa , axisb och axisc alla till samma värde om så önskas. Om axis och någon av de andra parametrarna finns i samtalet kommer axis värde att åsidosätta de andra värdena.

numpy.cross Relaterade exempel