对于大小为 3 的轴 0，Python 索引 3 超出范围

Question

我正在尝试计算以下数组的两个元素之间的二项式系数：

popul_num = np.array([100, 200, 0, 0]) --> #The discrete number of entities in each reaction
LHS = np.array([[1,1,0,0], [0,0,1,0], [0,0,1,0]]) --> #three rows for 3 different reactions, each row has 4 elements describing the ratio of reactants in that particular reaction
stoch_rate = np.array([0.0016, 0.0001, 0.1000])

我的系统有 4 个实体；酶、底物、酶-底物复合物和产物。其由 popul_num 中的离散反应物编号和 LHS 矩阵中反应物之间的比率描述，按此顺序。

应使用每个实体的离散分子数及其在 LHS 中给出的特定反应中其他实体之间的比率来计算二项式系数。这将导致该反应的倾向函数（见下文）

前几天我收到索引错误时问了一个问题：index 3 is out of bounds for axis 0 with size 3，但通过确保我引用的是索引而不是值来解决这个问题。

但在我的代码版本中，我使用矩阵而不是数组，我已经意识到 popul_num 矩阵的长度是 1，所以我总是 0，我的二项式系数计算不起作用。因此，我将矩阵转换为数组，旨在将 popul_num 数组展平为长度为 4 的一维数组 -->（不确定这是否是最好的方法，但欢迎提出任何其他建议）

但是我又收到了index 3 is out of bounds for axis 0 with size 3 错误，我不知道为什么？ python for循环引用矩阵和数组中的值或索引的方式有什么不同吗？

这是我目前得到的代码：

for j in range(len(LHS)):
    cj = stoch_rate
    for i in range(len(popul_num)):
        if i >= LHS[i,j]:        
            binon_rxn = binom(i, LHS[i, j])     # binomial coefficent isnt working! Always returns 1! 
            print(binon_rxn)        
            aj = cj*binon_rxn            
        else: 
            cj == 0           
            aj = (cj*binom(i, LHS[i, j]))
    print("Propensity function per reaction:\n", aj)

Answer 1

问题出在两个 for 循环的迭代器中。第一个迭代器应该是i 而不是j，第二个应该是j 而不是i。

import numpy as np
from scipy.special import binom


popul_num = np.array([100, 200, 0, 0])
LHS = np.array([[1,1,0,0], [0,0,1,0], [0,0,1,0]])
stoch_rate = np.array([0.0016, 0.0001, 0.1000])

for i in range(len(LHS)):  #change this to `i`
    cj = stoch_rate
    for j in range(len(popul_num)): # change this to `j`
        if i >= LHS[i,j]:        
            binon_rxn = binom(i, LHS[i, j])     # binomial coefficent isnt working! Always returns 1! 
            print(binon_rxn)        
            aj = cj*binon_rxn            
        else: 
            cj == 0           
            aj = (cj*binom(i, LHS[i, j]))
    print("Propensity function per reaction:\n", aj)

得到这个输出：

1.0
1.0
Propensity function per reaction:
 [0.0016 0.0001 0.1   ]
1.0
1.0
1.0
1.0
Propensity function per reaction:
 [0.0016 0.0001 0.1   ]
1.0
1.0
2.0
1.0
Propensity function per reaction:
 [0.0016 0.0001 0.1   ]