For循环Python-来自Matlab

Question

我开始用 Python 编写代码，我来自 Matlab 背景。我正在尝试执行的 for 循环有问题。

这是我在 Matlab 中的 for 循环，

ix = indoor(1);
idx = indoor(2)-indoor(1);
%Initialize X apply I.C
X = [ix;idx];
for k=(1:1:287)
    X(:,k+1) = Abest*X(:,k) + Bbest*outdoor(k+1) + B1best* (cbest4/cbest1);
end

在这段代码中Abest是一个2x2矩阵，Bbest是一个2x1矩阵，outdoor是一个288x1向量，B1best是一个2x1矩阵。使用矩阵指数命令从函数中找到矩阵。 c4 和 c1 是之前定义的术语，常量。

在 Python 中，我已经能够让矩阵指数命令在我的函数中工作，但我无法让那个 for 循环工作。

Xo = np.array([[ix],[idx]])
num1 = range(0,276)
for k in num1:
    Xo[:,k+1] = Ae*Xo[:,k] + Be*outdoor[k+1] + Be1*(c4/c1)

Ae,Be,Be1 也是大小相同的矩阵，就像 Matlab 中的矩阵一样。户外矢量也是如此。

我已经尽我所能让它发挥作用......唯一对我有用的是，

Xo = np.zeros(())
#Initial COnditions
ix = np.array(indoor[0])
idx = np.array(indoor[1]-indoor[0])

Xo = np.array([[ix],[idx]])
#Range for the for loop
num1 = range(0,1) 
for k in num1:
    Xo = Ae*Xo[k] + Be*outdoor[k+1] + Be1*(c4/c1)

现在，这件事会起作用，但只给我两分。如果我更改范围，我会收到错误消息。我假设这段代码有效，因为我原来的 Xo 只是两个状态，所以 k 经历了这两个状态，但这不是我想要的。

如果有人可以帮助我，那将非常有帮助！如果我犯了一些代码错误，老实说，因为当涉及到数据分析并让它遍历行并增加列时，我并没有很好地理解 python 中的“For循环”。感谢您的宝贵时间。

根据要求，这是我的完整代码：

import scipy.io as sc
import math as m
import numpy as np
import matplotlib.pyplot as plt
import sys
from scipy.linalg import expm, sinm, cosm
import pandas as pd
df = pd.read_excel('datatemp.xlsx')

outdoor = np.array(df[['Outdoor']])
indoor = np.array(df[['Indoor']])

###########################. FUNCTION DEFINE. #################################################
#Progress bar
def progress(count, total, status=''):
    percents = round(100.0 * count / float(total), 1)
    sys.stdout.write(' %s%s ...%s\r' % ( percents, '%', status))
    sys.stdout.flush()
#Define Matrix for Model
def Matrixbuild(c1,c2,c3):
    A = np.array([[0,1],[-c3/c1,-c2/c1]])
    B = np.array([[0],[1/c1]])
    B1 = np.array([[1],[0]])
    C = np.zeros((2,2))
    D = np.zeros((2,2))

    F = np.array([[0,1,0,1],[-c3/c1,-c2/c1,1/c1,0],[0,0,0,0],[0,0,0,0]])
    R = np.array(expm(F))

    Ae = np.array([[R.item(0),R.item(1)],[R.item(4),R.item(5)]])
    Be = np.array([[R.item(2)],[R.item(6)]])
    Be1 = np.array([[R.item(3)],[R.item(7)]])
    return Ae,Be,Be1;

###########################. Data. ################################################# 
#USED FOR JUST TRYING WITHOUT ACTUAL DATA
# outdoor = np.array([5.8115,4.394,5.094,5.1123,5.1224])
# indoor = np.array([15.595,15.2429,15.0867,14.9982,14.8993])

###########################. Model Define. #################################################
Xo = np.zeros((2,288))
ix = np.array(indoor[0])
idx = np.array(indoor[1])

err_min = m.inf

c1spam = np.linspace(0.05,0.001,30)
c2spam = np.linspace(6.2,6.5,30)
c3spam = np.linspace(7.1,7.45,30)
totalspam = len(c1spam)*len(c2spam)*len(c3spam)
ind = 0

for c1 in c1spam:
            for c2 in c2spam:
                        for c3 in c3spam:
                                    c4 = 1.1
                                    #MatrixBuild Function
                                    result = Matrixbuild(c1,c2,c3)
                                    Ae,Be,Be1 = result
                                    Xo = np.array([ix,idx])

                                    Datarange = range(0,len(outdoor)-1,1)

                                    for k in Datarange:
                                            Xo[:,k+1] = np.matmul(Ae,Xo[:,k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)

                                    ind = ind + 1
                                    print(Xo)
                                    err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)
                                    if err<err_min:
                                        err_min = err
                                        cbest = np.array([[c1],[c2],[c3],[c4]])

                                    progress(ind,totalspam,status='Done')
# print(X)
# print(err)
# print(cbest)

###########################. Model with Cbest Values. #################################################
c1 = cbest[0]
c2 = cbest[1]
c3 = cbest[2]
result2 = Matrixbuild(c1,c2,c3)
AeBest,BeBest,Be1Best = result2
Xo = np.array([ix,idx])
Datarange = np.arange(0,len(outdoor)-1)
for k in Datarange:
            Xo[:,k+1] = np.matmul(AeBestb,Xo[:,k]) + np.matmul(BeBest,outdoor[k+1]) + Be1Best*(c4/c1)

err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)
print(cbest)
print(err)

###########################. Plots. #################################################
plt.figure(0)
time = np.linspace(1,2,2)
plt.scatter(time,X[0],s=15,c="blue")
plt.scatter(time,indoor[0:2],s=15,c="red")
plt.show()

我的错误再次发生在 for 循环的行中 对于 Datarange 中的 k：

Xo[:,k+1] = np.matmul(Ae,Xo[k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)

我试图使用 np.matmul 进行矩阵乘法，但即使没有它，它也无法正常工作。

如果对我的代码有任何其他问题，请提出。本质上，我试图通过使用基本的二阶常系数模型来找到适合我的数据（即室内温度）的最佳 c1、c2、c3 系数。

Answer 1

您是否尝试过使用Xo[:,k+1] 而不是Xo(:,k+1)？ Python 使用[] 进行切片和索引。

编辑：

Xo = np.array([[ix],[idx]])

这将创建一个具有 1 个值的 1x1 数组：(ix, idx)。我认为您正在寻找类似Xo = np.zeros((ix, idx)) 的东西，它将为您提供一个初始化为零的ixxidx 数组。如果您不需要零，可以使用Xo = np.empty((ix, idx))。

请参阅docs on array creation。

Answer 2

因此，通过进一步了解 python 的工作原理以及数组/矩阵的分配，我能够找到如何做到这一点。我需要先分配我的“Xo”值，然后输入初始条件以使 For 循环工作。

Xo = np.zeros((2,num2))         
Xo = np.asmatrix(Xo)
Xo[0,0] = ix
Xo[1,0] = idx

同样对于“for循环”，我将范围称为这样的一些值，

num1 = range(0,4)         
num2 = len(num1) + 1 

这有助于计算“Xo”的总尺寸，将其称为“num2”。它也是这样定义的，因为我的'For循环'去了（k + 1），这个维度会变大，例如：

for k in num1:
        Xo[:,k+1] = Ae*Xo[:,k] + Be*outdoor[k+1] + Be1*(c4/c1)

但就是这样！我通过将 Matlab 打印输出与 Python 打印输出进行比较并尝试一次调试一行来计算它。现在我在两种商品上都打印出相同的精确值，所以是时候开始使用 python 代码了！