如何在python中构建对角矩阵?
How to build a diagonal matrix in python?
我有矩阵 a,其形状为 [100,100],矩阵 b 具有相同形状 [100,100]。它们填充了一些值。
我想做的是为a和b的每个元素构建这样的对角矩阵[[a1,0],[0,b1]]。
最好的做法是什么?
我相信预期的形状是数组 c = [2,2,100,100],其中第一个 [2,2] 表示一个对角矩阵的形状,总共有 [100,100] 个这样的数组。
F.e。假设我的 a = [[1,2],[3,4]], b = [[5,6],[7,8]] 。我想要得到的:arr1 = [[1,0],[0,5]], array2 = [[2,0],[0,6]], 依此类推..所以,最终的形状总共是[2,2,4,4]
谢谢!
您写道,“对角矩阵的矩阵”的最终形状应该是 (2, 2, n, n)
,但在我看来,您真正想要的是 (n, n, 2, 2)
形状,因此您可以使用 out[i,j]
获得
[ [a[i,j], 0],
[0, b[i,j]] ]
考虑到您可能同意我的不同理解,这里是您想要的代码
In [64]: import numpy as np
...: n = 3 ; nn = n*n
...: a, b = np.arange(2*nn).reshape(2,n,n)
...: c = np.transpose(np.array((a,b)),(1,2,0)).reshape(n,n,2)
...: out = np.zeros((n,n,2,2))
...: out[:,:,0,0] = c[:,:,0]; out[:,:,1,1] = c[:,:,1]
...: print('2,1',a[2,1],b[2,1],out[2,1],sep='\n')
...: print('0,0',a[0,0],b[0,0],out[0,0],sep='\n')
...: print('0,2',a[0,2],b[0,2],out[0,2],sep='\n')
2,1
7
16
[[ 7. 0.]
[ 0. 16.]]
0,0
0
9
[[0. 0.]
[0. 9.]]
0,2
2
11
[[ 2. 0.]
[ 0. 11.]]
In [65]: out.shape
Out[65]: (3, 3, 2, 2)
应该可以将此过程推广到任意数量的矩形 N×M 矩阵a, b, c, ..., n, ...
,但需要更多的脑力消耗。
我有矩阵 a,其形状为 [100,100],矩阵 b 具有相同形状 [100,100]。它们填充了一些值。
我想做的是为a和b的每个元素构建这样的对角矩阵[[a1,0],[0,b1]]。
最好的做法是什么?
我相信预期的形状是数组 c = [2,2,100,100],其中第一个 [2,2] 表示一个对角矩阵的形状,总共有 [100,100] 个这样的数组。
F.e。假设我的 a = [[1,2],[3,4]], b = [[5,6],[7,8]] 。我想要得到的:arr1 = [[1,0],[0,5]], array2 = [[2,0],[0,6]], 依此类推..所以,最终的形状总共是[2,2,4,4]
谢谢!
您写道,“对角矩阵的矩阵”的最终形状应该是 (2, 2, n, n)
,但在我看来,您真正想要的是 (n, n, 2, 2)
形状,因此您可以使用 out[i,j]
获得
[ [a[i,j], 0],
[0, b[i,j]] ]
考虑到您可能同意我的不同理解,这里是您想要的代码
In [64]: import numpy as np
...: n = 3 ; nn = n*n
...: a, b = np.arange(2*nn).reshape(2,n,n)
...: c = np.transpose(np.array((a,b)),(1,2,0)).reshape(n,n,2)
...: out = np.zeros((n,n,2,2))
...: out[:,:,0,0] = c[:,:,0]; out[:,:,1,1] = c[:,:,1]
...: print('2,1',a[2,1],b[2,1],out[2,1],sep='\n')
...: print('0,0',a[0,0],b[0,0],out[0,0],sep='\n')
...: print('0,2',a[0,2],b[0,2],out[0,2],sep='\n')
2,1
7
16
[[ 7. 0.]
[ 0. 16.]]
0,0
0
9
[[0. 0.]
[0. 9.]]
0,2
2
11
[[ 2. 0.]
[ 0. 11.]]
In [65]: out.shape
Out[65]: (3, 3, 2, 2)
应该可以将此过程推广到任意数量的矩形 N×M 矩阵a, b, c, ..., n, ...
,但需要更多的脑力消耗。