Numpy中一些函数的功能和参数(np.outer()、np.einsum()、np.meshgrid()、np.concatenate())

Numpy中一些函数的功能和参数

np.outer()

该函数用来计算两个向量的外积，也就是我们通常说的叉乘。
例如给定的$a=[a0,a1,...,aM],b=[b0,b1,...,bN]$，那么他们的外积是：

[[a0*b0  a0*b1 ... a0*bN ]
 [a1*b0    .
 [ ...          .
 [aM*b0            aM*bN ]]

使用格式是：

numpy.outer(a, b, out=None)

其中a，b是我们传进来需要计算的向量，out用来存储结果的位置。

np.einsum()

计算操作数上的爱因斯坦求和约定。
使用爱因斯坦求和法则，许多常见的多维线性代数阵列运算可以用简单的方式表示。在隐式模式下，einsum计算这些值。在显式模式下，einsum()提供了进一步的灵活性来计算其他数组操作，这些操作可能不被认为是经典的爱因斯坦求和运算，通过禁用或强制对指定的下标标签求和。这个函数有很多用法，参数也有很多，包括但不限于以下功能：
数组的跟踪，numpy.Trace。
返回对角线，numpy.diag。
数组轴求和，numpy.sum。
换位和置换，numpy。换位。
矩阵乘法和点积，numpy.matmul numpy.dot。
向量内积和外积，numpy.inner numpy.outer。
广播，元素和标量乘法，numpy.multiply。
张量收缩，numpy.tensordot。
链式数组操作，按有效计算顺序，numpy.einsum_path。
具体参看文档。
使用格式：

numpy.einsum(subscripts, *operands, out=None, dtype=None, order='K', casting='safe', optimize=False)

下面给给出一个使用用例：

>>> b = np.arange(5)
>>》 np.einsum('i,i', b, b)  #求内积
30
>>> np.einsum(b, [0], b, [0])
30
>>