MATLAB 的“vec”函数在 NumPy 中最优雅的实现答案

【问题标题】：Most Elegant Implementation of MATLAB's "vec" Function in NumPyMATLAB 的“vec”函数在 NumPy 中最优雅的实现
【发布时间】：2014-10-04 13:51:27
【问题描述】：

在 MATLAB 中有一个称为 vec 的函数，它接受一个矩阵并将列堆叠成一个向量。例如，如果我们将以下矩阵称为“X”：

[1 2]
[3 4]

然后vec(X) 将返回向量：

[1]
[3]
[2]
[4]

似乎没有任何直接的实现，并且“NumPy for MATLAB users”没有直接的等价物。

那么，如果给定一个 numpy 数组（表示矩阵），那么一条非常优雅的 NumPy 行会重现这个结果吗？只是想看看这可以做得多么简洁/优雅。谢谢！

【问题讨论】：

我在 Matlab 中从未听说过 vec。也许你的意思是this on the MathWorks File Exchange？无论如何，它似乎只是 Matlab 中用于二维数组（向量和矩阵）的X(:)。

【解决方案1】：

您可以使用“Fortran”order 选项，例如reshape:

>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4]])
>>> a.reshape((-1, 1), order="F")
array([[1],
       [3],
       [2],
       [4]])

【讨论】：

【解决方案2】：

我想你想要的是flatten()

EG：

>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4]])

>>> a.flatten('F')
>>> array([1, 3, 2, 4])

谢谢@jonrsharpe，实际上我也只是查了一下！顺便说一句：使用a.T.flatten() 转置数组是使用order='F' 更改顺序的替代方法

【讨论】：

谢谢马克，这个答案也很好，因为它很简洁。
Vincent Russo - 是的 flatten() 返回列而不是行，因为默认情况下 NumPy 使用行顺序，而 MATLAB 使用列顺序，这是使用 MATLAB 学习 NumPy 时的重要区别。因此，如果您想模仿 MATLAB 的列顺序数组，您最终会大量使用reshape()，但如果您将范例转换为行顺序，则可以使用更简单（恕我直言，更 Pythonic）的代码获得完全相同的结果。 ;-)
一个非常好的事情要注意，感谢马克指出这一点，这是一个很好的观点。再次感谢您的帮助:)

【解决方案3】：

对于一维结果，请使用X.T.ravel() 或X.T.flatten()。对于二维列，请使用X.T.reshape(-1,1)。

【讨论】：

+1 用于使用 flatten()，因为它与 MATLAB 的线性索引 EG 最相似：a(:)，但我认为 @jonrsharpe 使用 order='F' 比转置更好，因为它明确从 NumPy 的 row-order 更改为 MATLAB（和 Fortran 的）column-order，这是新用户应该了解的 MATLAB 和 NumPy 的根本区别