遍历 NumPy 矩阵列表

Question

我有一个包含行矩阵的列表：

rows = [ matrix([[1, 0, 0]]), matrix([[0, 1, 0]]), matrix([[0, 0, 1]]) ]

我尝试使用 for (a, b, c) in rows: 遍历这些，但我没有这样做，而是收到一个错误：

ValueError: not enough values to unpack (expected 3, got 1)

预期的行为是将行中的三个元素解包为 a, b, c:

for (a, b, c) in rows:
    print(f"{a} {b} {c}")
> 1 0 0
> 0 1 0
> 0 0 1

不幸的是，这适用于 [1, 0, 0]，但不适用于 [[1, 0, 0]]。

我意识到这是因为它们是 [[doubly packed]]，但我想知道是否有解决此问题的简单方法？

Answer 1

您似乎想解压每个矩阵本身。在那种情况下，我会建议：不要使用 matrix 或 NumPy。也根本没有理由使用 NumPy 矩阵。甚至 NumPy documentation 也声明您应该更喜欢数组而不是矩阵。但在这种情况下，您应该使用普通列表，如果您遍历它们或解压缩它们，它们会更快。

因此，您首先要遍历每个矩阵，然后要解压缩其中的每一个。但是你必须分两步完成：

for mat in rows:      # this iterates over the list and gives you each matrix
    # this unpacks the matrix
    # to make it work faster I converted it to a list first using "tolist"
    # note that I needed to index it because it's a 2D matrix!
    a, b, c = mat.tolist()[0]
    print(a, b, c)

也可以在一行中执行两个步骤：

for a, b, c in (mat.tolist()[0] for mat in rows):
    print(a, b, c)

Answer 2

一个问题是索引矩阵的一行仍然会给出一个矩阵。一种解决方法是将矩阵转换为一维数组：

In [368]: for r in rows:
     ...:     a,b,c=r.A1
     ...:     print(a,b,c)
     ...:     
1 0 0
0 1 0
0 0 1

Numpy matrix to array

In [370]: for r in rows:
     ...:     print(r.shape,r[0].shape)
     ...:     
(1, 3) (1, 3)
(1, 3) (1, 3)
(1, 3) (1, 3)

我通常不使用也不推荐从数组中解包值。这与数组的通用性背道而驰。拆包（除非使用“*”术语）会修复尺寸。但一般来说，数组可以有多个维度，而且尺寸很大。

也np.matrix不鼓励。如果这些元素是 np.array 而不是，就不会有这个持久的二维问题。

Answer 3

因为我们使用 a,b,c 从每个矩阵的第一行中提取元素，似乎我们保证每行有 3 个元素，并且对于这些矩阵中的每一个，每行一个。因此，一个简单的解决方案（如所要求的）是在使用循环时使用数组构造函数并挤出单例嵌套级别，就像这样 -

for a,b,c in np.array(rows)[:,0]:

或更简单的np.squeeze() -

for a,b,c in np.squeeze(rows):

请注意，这不是内存效率最高的方法，而是一种提取所需标量值的简单方法。

这是一个示例运行 -

In [375]: for a,b,c in np.squeeze(rows):
     ...:     print(a,b,c)
     ...:     
(1, 0, 0)
(0, 1, 0)
(0, 0, 1)

遍历 NumPy 矩阵列表

Iterate over list of NumPy matrices

python

for-loop

numpy

matrix

iterable-unpacking