矩阵处理：以numpy减去2D矩阵和3D矩阵

Question

如果我有3-d矩阵，例如：

cor =: 3 3 3 $ i.5
   cor
0 1 2
3 4 0
1 2 3

4 0 1
2 3 4
0 1 2

3 4 0
1 2 3
4 0 1

和二维矩阵，例如：

d  =: 3 3 $ i.5

   d
0 1 2
3 4 0
1 2 3

用J语言计算起来真的很简单：在符号后加上“ 2（通过2D矩阵）”。

d -"2 cor
 0  0  0
 0  0  0
 0  0  0

_4  1  1
 1  1 _4
 1  1  1

_3 _3  2
 2  2 _3
_3  2  2

但是我仍然是一个麻木的新手。

cor - d 

ValueError: Unable to coerce to Series/DataFrame, dim must be <= 2: (59, 59, 59)

无论如何，我可以在Python Numpy中操纵这种矩阵操纵吗？

提前致谢。

---

这是我想更改为numpy的python for循环代码

def pcor(df):
    cor = df.corr()
    n = df.shape[1] # number of indices 
    pcor = np.empty((n, n, n))
    d = np.empty((n, n, n))
    for x in range(n):
        for y in range(n):
            for m in range(n):
                if x==y:
                    pcor[x,y,m] = float('nan')
                else:
                    pcor[x,y,m] = (cor.iloc[x,y] - cor.iloc[x,m]*cor.iloc[y,m])/((1-cor.iloc[x,m]**2)*(1-cor.iloc[y,m]**2))**(1/2)
                    d[x,y,m] = cor.iloc[x,y] - pcor[x,y,m] # <-- this part!

Answer 1

在减去之前，需要将d的形状（当前为（3，3））与cor的形状（当前为（3，3，3））匹配。 试试cor - d[:None] 。 这主要是告诉numpy的使用d的现有形状（ : ），并用于最后一维（创建新的轴None ）。