矩陣和使用np.array

-2

在Python陣列比方說，我有這個計算的事情：矩陣和使用np.array

什麼是做在Python中的最佳方式？我來自Matlab背景，Matlab中的矩陣很容易處理。我曾嘗試與numpy的，但它給了我此錯誤消息：

ValueError: setting an array element with a sequence.

這裏是我的代碼片段：

for i in Xh: 
    for u in Yh:  
     E= (np.array([(C,D),(E,F)]) * np.array([(i),(u)])) + np.array([Cx,Cy])

請注意，Xh和Yh的名單已經計算出，這是爲什麼我使用for循環（我知道我可以使用列表推導更快）。

來源

2017-06-29 Mourad Over Flow

您可以提供[MCVE]（http://stackoverflow.com/help/mcve）嗎？ – Nuageux

使用['numpy.dot']（https://docs.scipy.org/doc/numpy/reference/generated/numpy.dot.html）進行矩陣向量乘法運算。 '*'運算符通過[broadcast]（https://docs.scipy.org/doc/numpy-1.12.0/user/basics.broadcasting.html）執行元素相乘。 –

'（）'創建一個序列，你應該在你的數組元素周圍使用'[]'。另外如果你正在嘗試使用'mat_name.dot（vector_name）'來進行矩陣乘法。快速瀏覽一下'E = np.array（[[C，D]，[E，F]]）。dot（np.array（[i，u]））+ np.array（[Cx，Cy]） '應該足夠了。 –

如果你想有一個接近matlab的經驗，可以使用np.matrix而不是np.array。你的數學例子將是，例如

a = np.matrix([[1,2],[3,4]]) 
v1 = np.matrix([[0],[1]]) 
v2 = np.matrix([[1],[1]]) 

res = a*v1+v2

然而，這不是numpy文檔所推薦的，正如評論中指出的那樣。使用數組的方式非常相似。這裏*是元素方面的乘法（在matlab中是。*）。該矩陣乘法然後可以用做：

a = np.matrix([[1,2],[3,4]]) 
v1 = np.matrix([[0],[1]]) 
v2 = np.matrix([[1],[1]]) 

res = np.dot(a,v1)+v2 # python version <= 3.5 
res = [email protected]+v2 # python version > 3.5 with the new dot operator @

來源

2017-06-29 13:27:37 Jannick

的確如此，但我認爲你應該編輯包含正確的方法來做到這一點，因爲它們更常見，並且OP可能會在未來遇到它們。 –

[使用數組]（https：//docs.scipy。org/doc/numpy-dev/user/numpy-for-matlab-users.html＃array-or-matrix-which-should-i-use），而不是矩陣！ –

我發現代碼中的兩個問題：

您使用圓形的，而不是方括號 - 你有一個列表的列表養活numpy的的二維數組[[a0, a1],[a2, a3]]。這是您的ValueError從何而來。
您使用的是m1 * m2，這是元素智商的點積，但您應該使用矩陣點積np.dot(m1,m2)或其等效形式m1.dot(m2)。

更正：

for i in Xh: 
    for u in Yh: 
     E = np.dot(np.array([[C, D], [E, F]]), np.array([[i], [u]])) + np.array([[Cx], [Cy]])

來源

2017-06-29 13:29:57

您可以使用np.meshgrid to produce all combinations of Xh and Yh，然後np.einsum和廣播在這裏向量化（讀：通過100倍倍加速）在一個行的所有操作：

import numpy as np 

C, D, E, F = 1, 2, 3, 4 
Cx, Cy = 1, 2 
Xh = [1, 2, 3] 
Yh = [4, 5, 6] 

XhYh = np.array(np.meshgrid(Xh, Yh)).T.reshape(-1, 2) 
M = np.array([[C, D], [E, F]]) 
V = np.array([Cx, Cy]) 

E = np.einsum('mk,fk->fm', M, XhYh) + V

爲100000個XhYh條目速度比較：

%timeit np.einsum('mk,fk->fm', M, XhYh) + V 
# 209 µs ± 2.51 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 
%timeit np.array([M.dot(np.array([x, y])) + V for x in Xh for y in Yh]) 
# 32.5 ms ± 608 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

來源

2017-06-29 13:31:30

''np.einsum（）'與''ndarray.dot（）'或''''np.matrix'變量相比，有什麼好處？ –

對於大矩陣，'.dot（）'比'einsum（'mk，k-> m'）'快，'einsum（）'和''+ V'中的廣播速度快於Python'爲'循環。 –

矩陣和使用np.array

回答

相關問題