Algorithms For Dummies

  Performing Essential Data Manipulations Using Python 

     95

You can also use numeric input to these functions. When using numeric input, a 0 

is false and a 1 is true. As with comparisons, the functions work on an element- 

by-element basis even though you make just one call. You can read more about the 

logic  functions  at 

https://docs.scipy.org/doc/numpy-1.10.0/reference/

routines.logic.html

.

Performing vector multiplication

Adding, subtracting, or dividing vectors occurs on an element-by-element basis, 

as described in the previous section. However, when it comes to multiplication, 

things get a little odd. In fact, depending on what you really want to do, things can 

become quite odd indeed. Consider the sort of multiplication discussed in the pre-

vious section. Both 

myVect * myVect

 and 

np.multiply(myVect, myVect)

 pro-

duce an element-by-element output of 

array([ 1,  4,  9, 16])

.

Unfortunately,  an  element-by-element  multiplication  can  produce  incorrect 

results when working with algorithms. In many cases, what you really need is a dot 

product, which is the sum of the products of two number sequences. When working 

with  vectors,  the  dot  product  is  always  the  sum  of  the  individual  element-by- 

element  multiplications  and  results  in  a  single  number.  For  example, 

myVect.

dot(myVect)

 results in an output of 

30

. If you sum the values from the element- 

by-element multiplication, you find that they do indeed add up to 30. The discussion 

at 

https://www.mathsisfun.com/algebra/vectors-dot-product.html

  tells  you 

about dot products and helps you understand where they might fit in with algorithms. 

You can learn more about the linear algebra manipulation functions for 

numpy

 at 

https://docs.scipy.org/doc/numpy/reference/routines.linalg.html

.