python中的N维数组

Question

Python 和 Numpy 的新功能，尝试创建 263 维数组。 我需要很多机器学习模型的维度。 当然，一种方法是使用 numpy.zeros 或 numpy.ones 并编写如下代码：

x=np.zeros((1,1,1,1,1,1,1,1,1,1,1))   #and more 1,1,1,1

有没有更简单的方法来创建多维数组？

Answer 1

你不需要 263-dimensions 。 如果每个维度只有大小 2，你仍然有2 ** 263元素，它们是： 148213874223764730142170860811120522052185580372019921970505707530983981

您将无法使用这样的矩阵做任何事情：甚至无法在 Google 服务器上进行初始化。

您要么需要一个包含 263 个值的数组：

>>> np.zeros(263)
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,
        0.,  0.,  0.])

或具有 M 个元素的 263 个向量的矩阵（假设为 3 个）：

>>> np.zeros((263, 3))
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       ...
       ...
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

有许多先进的研究中心对香草 Numpy 非常满意。 对于量子力学或机器学习来说，必须使用少于 32 维似乎并没有太大的困扰。

Answer 2

让我们从numpy文档开始， help(np.zeros)给出

zeros(shape, dtype=float, order='C')

Return a new array of given shape and type, filled with zeros.

Parameters
----------
shape : int or sequence of ints
    Shape of the new array, e.g., ``(2, 3)`` or ``2``.
...
Returns
-------
out : ndarray
    Array of zeros with the given shape, dtype, and order.
...

shape 参数只是每个维度大小的列表（但您可能知道）。 有很多方法可以在 python 中轻松创建这样的列表，一种快速的方法是

 np.zeros(np.ones(263, dtype=int))

但是，正如其他人所提到的， numpy有 32 维的任意限制。 根据我的经验，通过保留一个显示每行属于哪个“维度”的索引数组，您可以获得类似且更灵活的行为。

Answer 3

很可能，对于 ML 应用程序，您实际上并不想要这样：

shape = np.random.randint(1,10,(263,))
arr = np.zeros(shape)  # causes a ValueError anyway

你实际上想要一些稀疏的东西

for i, value in enumerate(nonzero_values):
    arr[idx[i]] = value

在这种情况下， idx是一个(num_samples, 263)数组， nonzero_values是一个(num_samples,)数组。

ML 算法通常在这些idx和value数组（通常称为X和Y ）上工作，因为否则实际数组将是巨大的。

有时您需要一个维度的“one-hot”数组，这将使idx.shape == (num_samples, shape.sum()) ，其中idx仅包含 0 或 1 个值。 但这仍然比任何类型的高维数组都要小。

Answer 4

有一个名为 DimPy 的新包，它可以很容易地在 python 中创建多维数组。 安装使用
pip install dimpy使用示例

from dimpy import *
a=dim(4,5,6) # This is a 3 dimensional array of 4x5x6 elements. Use any number of dimensions within '( ) ' separated by comma
print(a)

默认情况下，每个元素都为零。 要更改它，请使用dfv(a, 'New value')要将其表示为 numpy 样式数组，请使用a=npary(a)在此处查看更多详细信息： https : a=npary(a) dimpy.html?m=1