[英]Using python/numpy to create a complex matrix
使用 python/numpy,我想创建一个 2D 矩阵 M,其组件是:
我知道我可以用一堆 for 循环来做到这一点,但是有没有更好的方法来使用 numpy(不使用 for 循环)来做到这一点?
这就是我尝试的方式,最终给了我一个值错误。
我尝试首先定义一个对 k 求和的函数:
define sum_function(i,j):
initial_array = np.arange(g(i,j),h(i,j)+1)
applied_array = f(i,j,initial_array)
return applied_array.sum()
然后我尝试使用 np.mgrid 创建 M 矩阵,如下所示:
ii, jj = np.mgrid(start:fin, start:fin)
M_matrix = sum_function(ii,jj)
——
(已编辑)让我写下矩阵的具体形式作为例子: M_{i,j} = \\sum_{k=min(i,j)}^{i+j}\\sin{\\left( (i +j)^k \\right)}
如果 i,j = 0,1,那么这个矩阵是 2 × 2,它的形式将是 \\bigl(\\begin{smallmatrix} \\sin(0) & \\sin(1) \\ \\sin(1)& \\sin( 2)+\\sin(4) \\end{smallmatrix}\\bigr)
现在,如果矩阵变得非常大,我将如何在不使用 for 循环的情况下创建这个矩阵?
为了简化思考,让我们将i,j
维度分解为 1, ij
维度。 我们可以评估 3 个数组吗:
G = g(ij) # for all ij values
H = h(ij)
F = f(ij, kk) # for all ij, and all kk
换句话说, g,h,f
可以在多个值处进行评估,以生成整个数组?
如果所有ij
或子集(最好是切片)的G
和H
值相同,则
F[:, G:H].sum(axis=1)
将是所有ij
的值。
如果每个切片的大小HG
差异相同,那么我们可以构造一个二维索引数组GH
使得
F[:, GH].sum(axis=1)
换句话说,我们正在对F
行的恒定大小窗口求和。
但是,如果ij
之间的HG
差异有所不同,我认为我们只能分别对每个ij
元素进行求和 - 使用 Python 级别循环,或者符合numba
或cython
。
我想我自己找到了这个问题的答案。 我首先创建 3D 数组 F_{i,j,k} = f(i,j,k)。 然后创建一个 mask_array,如果 g(i,j) < k < f(i,j),则其分量为 Ture,否则为 False。 然后我计算这两个数组的逐元素乘法,F*mask_array,然后在 k 轴上求和。 例如,可以通过以下代码有效地创建此矩阵。
M_{i,j} = \\sum_{k=min(i,j)}^{i+j}\\sin{\\left( (i+j)^k \\right)}
#in this example, g(i,j) = min(i,j) and h(i,j) = i+j f(i,j,k) = sin((i+j)^k)
# 0<= i, j <= 2
#kk should range from min g(i,j) to max h(i,j)
ii, jj, kk = np.mgrid[0:3,0:3,0:5]
# k > g(i,j)
frm1 = kk >= jj
frm2 = kk >= ii
frm = np.logical_or(frm1,frm2)
# k < h(i,j)
to = kk <= ii+jj
#mask
k_mask = np.logical_and(frm,to)
def f(i,j,k):
return np.sin((i+j)**k)
M_before_mask = f(ii,jj,kk)
#Matrix created
M_matrix = (M_before_mask*k_mask).sum(axis=2)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.