python numpy矢量数学

Question

numpy与euclid的2d向量类/运算等效吗？ （例如： euclid.Vector2 ）

到目前为止，我有这个。 创建两个向量

import numpy as np

loc = np.array([100., 100.])
vel = np.array([30., 10])

loc += vel

# reseting speed to a default value, maintaining direction
vel.normalize()
vel *= 200

loc += vel

Answer 1

您可以只使用numpy数组。 查看numpy for matlab用户页面，详细了解数组wrt矩阵的优缺点。

正如我在评论中提到的那样，必须使用dot()函数或方法对向量进行多重复制是最大的陷阱。 但话又说回来，numpy数组是一致的 。 所有操作都是按元素进行的。 因此，对数组进行加法或减法以及与标量的乘法都可以按向量的预期进行工作。

Edit2：从ppe 465开始，从Python 3.5和numpy 1.10开始，您可以使用@ infix-operator进行矩阵乘法。

编辑：关于您的评论：

1. 是。 整个numpy基于数组。

2. 是。 linalg.norm(v)是获取向量长度的好方法。 但是，您所得到的取决于对规范的第二个论点！ 阅读文档。

3. 要标准化向量，只需将其除以您在（2）中计算的长度即可。 标量对数组的分割也是按元素划分的。

   ipython中的示例：

    In [1]: import math In [2]: import numpy as np In [3]: a = np.array([4,2,7]) In [4]: np.linalg.norm(a) Out[4]: 8.3066238629180749 In [5]: math.sqrt(sum([n**2 for n in a])) Out[5]: 8.306623862918075 In [6]: b = a/np.linalg.norm(a) In [7]: np.linalg.norm(b) Out[7]: 1.0 

   注意In [5]是计算长度的另一种方法。 In [6]显示了归一化向量。