在不使用 "for" 的情况下将 2×2 矩阵放入数组中

Question

Numpy

首先，我在下面定义“x”和函数“example”：

import numpy as np
x=np.arange(1,4,1)
def example(d):
    return 2*d

在这个简单的例子中，如果我将“x”放入“example”，

y=example(x)

我得到“y”，它的长度与 x 相同，我可以快速计算。

但是，如果我如下定义 example2，

def example2(d):
    matrix=np.array([[d,0],[0,d]])  ### last ] was missing
    return matrix

并在示例2中输入“x”，

y2=example2(x)

我得到的是

[[array([1, 2, 3]) 0]
 [0 array([1, 2, 3])]]
<ipython-input-9-21f94eb7b4f4>:2: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
  matrix=np.array([[d,0],[0,d]])

还有一个警告。

我真的很想创建一个 ndarray（或列表），它在每个术语中都包含一个矩阵，而不使用“for”。如果我使用“附加”，我可以做到这一点，但完成计算需要更长的时间。

A1=np.array([[1,0],[0,1]])
A2=np.array([[2,0],[0,2]])
A3=np.array([[3,0],[0,3]])
y3=np.array([A1,A2,A3])

如果我将示例 2 中创建的每个矩阵命名为 A1、A2、A3，我想做的是通过将“x”输入到我创建的函数中来创建 y3。

有什么解决办法吗？

Answer 1

没有关注但是：


import numpy as np


x=np.arange(1,4,1)
def example(d):
    return 2*d


y=example(x)

print(y)

def example2(d):
    matrix=np.array([[d,0],[0,d]], dtype= object)
    return matrix



y2=example2(x)

print('\n___________________________')
print(y2)

给出：

[2 4 6]

___________________________
[[array([1, 2, 3]) 0]
 [0 array([1, 2, 3])]]

所以没有错误，不确定是不是你要找的，只是post你想要的输出来帮助其他人帮助你

Answer 2

您可以初始化所需形状的数组，并分配选定的值：

In [93]: arr = np.zeros((3,2,2),int)
    ...: arr[:,0,0] = [1,2,3]
    ...: arr[:,1,1] = [4,5,6]
    ...: 
    ...: 
In [94]: arr
Out[94]: 
array([[[1, 0],
        [0, 4]],

       [[2, 0],
        [0, 5]],

       [[3, 0],
        [0, 6]]])

同样的事情，但有一个高级索引分配：

In [97]: arr = np.zeros((3,2,2),int)
    ...: arr[:,[0,1],[0,1]] = np.array([[1,2,3],[4,5,6]]).T 
In [98]: arr
Out[98]: 
array([[[1, 0],
        [0, 4]],

       [[2, 0],
        [0, 5]],

       [[3, 0],
        [0, 6]]])

这需要多次尝试，因为我遇到了广播错误。在进行这样的分配时要获得正确的尺寸是很棘手的。

在不使用 "for" 的情况下将 2×2 矩阵放入数组中

Putting 2×2 matrices in ndarray without using "for"

python

numpy

numpy-ndarray