【问题标题】:Multiply each block of a block matrix with different coefficient in NumPy在 NumPy 中将块矩阵的每个块与不同的系数相乘
【发布时间】:2016-08-23 15:16:52
【问题描述】:

假设我有一个(4*n)*(4*n) 块矩阵,我想将(n*n) 的每个块与对应的(4*4) 矩阵中的不同系数相乘 - 在 NumPy 中这样做的方法是什么?

例如,我有:

>>> mat
matrix([[1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1]])
>>> x
array([[1, 2],
       [3, 4]])

而请求的结果应该是这样的:

>>> result
array([[1, 1, 2, 2],
       [1, 1, 2, 2],
       [3, 3, 4, 4],
       [3, 3, 4, 4]])

【问题讨论】:

  • kron 是人​​们为这种事情而寻求的常见方式,请参阅@Tim 的回答。

标签: python numpy matrix linear-algebra


【解决方案1】:

一种方法是从x 构造一个 (4*n)*(4*n) 块矩阵:

result = np.multiply(mat, np.kron(x, np.ones((n,n))))

【讨论】:

  • 是的,这应该是标准的做法!
【解决方案2】:

这是使用NumPy broadcasting 的矢量化方法-

m1,n1 = x.shape
m2,n2 = mat.shape
out = (mat.reshape(m1,m2//m1,n1,n2//n1)*x[:,None,:,None]).reshape(m2,n2)

示例运行 -

In [41]: mat
Out[41]: 
array([[8, 8, 7, 2, 3, 4],
       [2, 4, 7, 5, 4, 8],
       [7, 2, 4, 5, 6, 5],
       [4, 3, 3, 6, 5, 3],
       [7, 3, 5, 8, 7, 7],
       [2, 5, 2, 4, 2, 7]])

In [42]: x
Out[42]: 
array([[1, 2],
       [3, 4]])

In [43]: out
Out[43]: 
array([[ 8,  8,  7,  4,  6,  8],
       [ 2,  4,  7, 10,  8, 16],
       [ 7,  2,  4, 10, 12, 10],
       [12,  9,  9, 24, 20, 12],
       [21,  9, 15, 32, 28, 28],
       [ 6, 15,  6, 16,  8, 28]])

我认为@Tim Fuchs's post 中建议的np.kron 将是这里最安全的选择,而无需摆弄输入数组的大小。为了提高性能,这里是比较 kron 和 broadcasting-based 方法的大小合适的输入数组的一些时间 -

In [56]: mat = np.random.randint(2,9,(100,100))

In [57]: x = np.random.randint(2,9,(50,50))

In [58]: n = 2

In [59]: m1,n1 = x.shape # Ignoring timings from these as negligible
    ...: m2,n2 = mat.shape
    ...: 

In [60]: %timeit np.multiply(mat, np.kron(x, np.ones((n,n))))
1000 loops, best of 3: 312 µs per loop

In [61]: %timeit (mat.reshape(m1,m2//m1,n1,n2//n1)*x[:,None,:,None]).reshape(m2,n2)
10000 loops, best of 3: 83.7 µs per loop

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2021-06-06
    • 2013-11-13
    • 2013-07-07
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多