结合 scipy.optimize.brute 网格和结果

Question

我正在使用 scipy 的蛮力优化器来计算给定不同输入参数的函数的分数。为了分析结果，我想将结果参数与分数集转储到 csv 中。

我目前拥有的是来自蛮力优化器的返回，来自文档的形式为：

返回：
x0 : 数组
一个一维数组，其中包含目标函数具有最小值的点的坐标。 （返回的点见注 1。）
fval : 浮动
x0点处的函数值。
网格：元组
评估网格的表示。它的长度与 x0 相同。 （当 full_output 为 True 时返回。）
Jout：ndarray
评估网格每个点的函数值，即 Jout = func(*grid)。 （full_output 为 True 时返回。）

source

我想将“grid”值与“Jout”参数组合为：

[参数 1，参数 2，参数 3，分数 1]
[参数 1、参数 2、参数 3、分数 2]
...

brute 的一个示例输出是：

     (array([ 0.,  0.,  0.]), -0.96868449202047968, array([[[[0, 0],
     [0, 0]],

    [[1, 1],
     [1, 1]]],


   [[[0, 0],
     [1, 1]],

    [[0, 0],
     [1, 1]]],


   [[[0, 1],
     [0, 1]],

    [[0, 1],
     [0, 1]]]]), array([[[-0.96868449, -0.96868449],
    [-0.96868449, -0.96868449]],

   [[-0.96868449, -0.96868449],
    [-0.96868449, -0.96868449]]]))

我一辈子都无法弄清楚如何将上面索引 2 中的数组（“网格”）与索引 3 中的数组（“Jout”）结合起来。我的 np 数组 foo 达不到标准。

任何提示或指示将不胜感激，并缓解我过去几个小时沮丧的大脑。

Answer 1

所以你想在grid 和(2,2,2) 矩阵Jout 中堆叠三个(2,2,2) 矩阵？ np.stack 可能是您需要的，即：

In [26]: a = np.array([[[[0, 0],
    ...:      [0, 0]],
    ...: 
    ...:     [[1, 1],
    ...:      [1, 1]]],
    ...: 
    ...: 
    ...:    [[[0, 0],
    ...:      [1, 1]],
    ...: 
    ...:     [[0, 0],
    ...:      [1, 1]]],
    ...: 
    ...: 
    ...:    [[[0, 1],
    ...:      [0, 1]],
    ...: 
    ...:     [[0, 1],
    ...:      [0, 1]]]])

In [27]: b = np.array([[[-0.96868449, -0.96868449],
    ...:     [-0.96868449, -0.96868449]],
    ...: 
    ...:    [[-0.96868449, -0.96868449],
    ...:     [-0.96868449, -0.96868449]]])

In [28]: np.stack([*a, b], -1)
Out[28]: 
array([[[[ 0.        ,  0.        ,  0.        , -0.96868449],
         [ 0.        ,  0.        ,  1.        , -0.96868449]],

        [[ 0.        ,  1.        ,  0.        , -0.96868449],
         [ 0.        ,  1.        ,  1.        , -0.96868449]]],


       [[[ 1.        ,  0.        ,  0.        , -0.96868449],
         [ 1.        ,  0.        ,  1.        , -0.96868449]],

        [[ 1.        ,  1.        ,  0.        , -0.96868449],
         [ 1.        ,  1.        ,  1.        , -0.96868449]]]])

In [29]: