代码之家 › 专栏 › 技术社区 › Safron

Numpy:矢量化矩阵创建

multidimensional-array numpy python

Safron · 技术社区 · 7 年前

如果我想创建一个矩阵,我只需调用

m = np.matrix([[x00, x01],
               [x10, x11]])

,在哪里 x00 , x01 x10 和 x11 是数字。不过,我想把这个过程矢量化。例如,如果 x 的是具有长度的一维数组 l ,那么我想 m 我 x2x2维数组。不幸的是,

zeros = np.zeros(10)
ones = np.ones(10)
m = np.matrix([[zeros, ones],
               [zeros, ones]])

引发错误(“矩阵必须是二维的”)并且

m = np.array([[zeros, ones],
              [zeros, ones]])

提供2x2x 我 np.moveaxis(m, 2, 0) ,但我正在寻找一种直接的解决方案,它不需要改变(可能是巨大的)数组的轴的顺序。这也只会在传递一维数组作为矩阵值时设置轴顺序,而不是在它们是高维数组时。

2 回复 | 直到 7 年前

hpaulj 7 年前

In [374]: ones = np.ones((3,4),int)
In [375]: arr = np.array([[ones*0, ones],[ones*2, ones*3]])
In [376]: arr
Out[376]: 
array([[[[0, 0, 0, 0],
         [0, 0, 0, 0],
         [0, 0, 0, 0]],

        [[1, 1, 1, 1],
         [1, 1, 1, 1],
         [1, 1, 1, 1]]],


       [[[2, 2, 2, 2],
         [2, 2, 2, 2],
         [2, 2, 2, 2]],

        [[3, 3, 3, 3],
         [3, 3, 3, 3],
         [3, 3, 3, 3]]]])
In [377]: arr.shape
Out[377]: (2, 2, 3, 4)

请注意,原始数组元素是“在一起”的。 arr 它有自己的数据缓冲区,有原始数组的副本,但它是用相对有效的块副本制作的。

In [378]: arr.transpose(2,3,0,1)
Out[378]: 
array([[[[0, 1],
         [2, 3]],

        [[0, 1],
         [2, 3]],

      ...

        [[0, 1],
         [2, 3]]]])

view ,使用 arr's 数据缓冲器。它只是有不同的形状和步幅。做这个转置是相当有效的,并且在它很大。很多关于转置数组的数学运算几乎和原始数组一样有效 阿里尔

但有些行动需要一份副本。例如,转置的数组不能在没有副本的情况下展开。原来的0、1等不再在一起。

In [379]: arr.transpose(2,3,0,1).ravel()
Out[379]: 
array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1,
       2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3,
       0, 1, 2, 3])

In [380]: tarr = np.empty((3,4,2,2), int)
In [381]: tarr[...,0,0] = ones*0
In [382]: tarr[...,0,1] = ones*1
In [383]: tarr[...,1,0] = ones*2
In [384]: tarr[...,1,1] = ones*3
In [385]: tarr.ravel()
Out[385]: 
array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1,
       2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3,
       0, 1, 2, 3])

这个 tarr

另一种方法是将值赋给数组的 .flat 跨步-每4个插槽插入0,相邻插槽插入1,等等:

In [386]: tarr.flat[0::4] = ones*0
In [387]: tarr.flat[1::4] = ones*1
In [388]: tarr.flat[2::4] = ones*2
In [389]: tarr.flat[3::4] = ones*3

np.stack (一个版本的 concatenate

np.stack((ones*0,ones*1,ones*2,ones*3),2).reshape(3,4,2,2)

那个 stack 本质上是:

In [397]: ones1 = ones[...,None]
In [398]: np.concatenate((ones1*0, ones1*1, ones1*2, ones1*3),axis=2)

Tarifazo 7 年前

np.matrix必须是二维数组。来自numpy文档 np.matrix

从类似数组的对象或数据字符串返回矩阵。通过行动。它有一些特殊的操作符,例如* (矩阵乘法)和**(矩阵幂)。

注意不再建议使用此类,即使对于线性代数。而是使用常规数组。该类可以在未来。

你有什么理由想要np.matrix吗?大多数numpy操作应该可以在array对象中执行,因为matrix类是准弃用的。

在您的示例中,我尝试使用转置(.T)方法:

zeros = np.zeros(10)
ones = np.ones(10)
twos = np.ones(10) * 2
threes = np.ones(10) * 3
m = np.array([[zeros, ones], [twos, threes]]).T
>> array([[0,2],[1,3]],...)

m = np.transpose(np.array([[zeros, ones], [twos, threes]]), (2,0,1))
>> array([[0,1],[2,3]],...)

这将产生一个(10,2,2)数组