【问题标题】:Using np.diag() to construct a 3D array [duplicate]使用 np.diag() 构造一个 3D 数组 [重复]
【发布时间】:2020-07-09 16:53:44
【问题描述】:

当给定一维数组a 时,np.diag(a) 函数的标准用法是创建一个二维数组,其中对角线条目是a 的元素。在我的例子中,a 是一个大小为 n x m 的二维数组。我的目标是以类似于np.diag() 函数的方式生成一个 n x n x m 数组,其中每个 n x n 切片是一个零矩阵,a 在对角线上的第 m 行。这样做的最佳方法是什么?显然,它可以通过 np.diag() 函数和 for 循环来完成,但我想知道 numpy 是否存在此向量化版本。

【问题讨论】:

  • 我想是这样 - 我是否正确理解我想要的矩阵可以通过将此单位矩阵乘以 a 来获得?
  • 是的,就是这样

标签: python arrays numpy matrix


【解决方案1】:

实现此目的的一种方法是使用函数np.broadcast_to,它将给定数组广播到新形状。我在将 m 维度广播到数组末尾时遇到了麻烦,但是将其作为第一个维度广播,然后沿第一个和最后一个维度进行转置似乎也可以正常工作。

请看下面的代码sn-p:

# Specify dimensions
n = 4
m = 3

# Create diagonal matrix
D = np.eye(n) 

# Broadcast diagonal and transpose
B = np.transpose(np.broadcast_to(D, (m,) + D.shape), (2, 1, 0))

# Verify shape
print(B.shape)
--> (4, 4, 3)

# Verify correct slice
print(B[:, :, 0])
--> array([[1., 0., 0., 0.],
          [0., 1., 0., 0.],
          [0., 0., 1., 0.],
          [0., 0., 0., 1.]])

希望这会有所帮助!

【讨论】:

    猜你喜欢
    • 2015-07-02
    • 1970-01-01
    • 1970-01-01
    • 2020-08-15
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2017-01-05
    • 2013-09-18
    相关资源
    最近更新 更多