与 MATLAB vec2mat 等效的 Python 代码

Question

我有一段代码正在从 MATLAB 转换为 python。它还没有以非常pythonic的方式编写，但我会在稍后阶段对其进行调整。

MATLAB 脚本具有来自通信系统工具箱的函数 vec2mat。 （请参阅http://www.mathworks.co.uk/help/comm/ref/vec2mat.html）这通过指定您希望转换的向量和您希望拥有的列数将向量更改为矩阵来工作。 mat = vec2mat(vec,matcol).

我通常只使用numpy.reshape。但是，如果向量中没有足够的值来完全填充最后一行，vec2mat 会在最后一行添加零。

我需要的填充将根据我输入的 csv 文件而有所不同。

    atbmat = vec2mat(atbvec,nb);

在本例中，nb 为 5，atbvec 的长度为 4806。因此，最后一行添加了四个零。

如何在 python 中添加额外的零来创建二维数组？我会让长度为 4806 的一维数组 atbvec 和 nb 等于五（我想要 nb 列）。

感谢您的任何建议，我希望这是有道理的。

编辑

     dim=len(atbvec)/int(nb)
     atbvec=np.array(atbvec)
     atbvec=np.copy(atbvec)
     atb_mat=atbvec.resize((dim,nb)

这是返回None。

Answer 1

您可以使用numpy.ndarray 对象的resize() 方法：

import numpy as np

a = np.array([1,2,3])
a.resize(2,3)
print a
#array([[1, 2, 3],
#       [0, 0, 0]])

---

编辑：

请注意，a 是 in-place 的扩展，这意味着原始数组现在具有对额外连续内存块的引用。

在您的情况下，基于 cmets，您可以预先创建一个副本：

atb_mat = atbvec.copy()
atb_mat.resize(dim, nb)

或者，最好，使用numpy.resize获得一个没有引用的全新数组：

atb_mat = numpy.resize(atbvec, (dim, nb))

不过，在这种情况下，数组会填充来自 atbvec 的先前值，例如：

a = np.array([1,2,3])
b = np.resize(a, (3, 4))
#array([[1, 2, 3, 1],
#       [2, 3, 1, 2],
#       [3, 1, 2, 3]])

看到内存块被复制，直到它填满新的连续大小。

Answer 2

压倒一切的编辑：似乎我误解了这个问题，并完全解决了另一个问题。下面的解决方案是，如果您需要将数组扩展或缩小到任意大小，必要时用零填充。

我不知道有哪个函数可以按您的要求执行（尽管我一直在学习！）。我能想到的最简单的方法可能是使用numpy.pad。只要新形状比旧形状大，以下函数就可以满足您的需求：

def vec2mat(a, new_shape):

    padding = (new_shape - numpy.vstack((new_shape, a.shape))).T.tolist()

    return numpy.pad(a, padding, mode='constant')

如果您需要处理比原始数组更小和更大的大小，则应执行以下操作：

def vec2mat(a, shape):

    padding = (shape - numpy.vstack((shape, a.shape))).T

    # Split into positive and negative padding
    neg_padding = padding.copy()
    neg_padding[neg_padding > 0] = 0
    padding[padding < 0] = 0

    # Turn the zero neg_paddings into None:
    slice_marks = [axis if axis[1] != 0 else (None,) for axis in neg_padding]

    # Make the slicer
    slicer = [slice(*each_mark) for each_mark in slice_marks]

    return numpy.pad(a[slicer], padding.tolist(), mode='constant')

请注意，以上两个函数都应该对任意维度的数组进行操作。

编辑：resize 作为解决方案的问题在于它仅在内存中扩展数组，然后有效地将新内存块重塑为您请求的大小。这样做的效果是，如果您尝试沿除最短轴以外的任何轴进行扩展，您将遇到问题。考虑沿第一个轴扩展：

a = np.array([1,2,3]).copy()
a.resize(2, 3)
# array([[1, 2, 3],
#        [0, 0, 0]])

按预期工作。但是，现在考虑沿最后一个轴扩展：

a = np.array([[1],[2],[3]]).copy()
a.resize(3, 2)
# array([[1, 2],
#        [3, 0],
#        [0, 0]])

我认为这根本不是您想要的，但如果我错了，请纠正我。我的理解是您需要一个数组，其中第一列为[[1],[2],[3]]，第二列全为零。