我有一个函数，可以创建一个 2-dim 数组，一个范德蒙德矩阵，称为：
vandermonde(generator, rank)
其中生成器是一个 n 大小的数组，例如
generator = np.array([-1/2, 1/2, 3/2, 5/2, 7/2, 9/2])
和rank=4
然后我需要在我的空间中创建 4 个范德蒙德矩阵(因为rank=4(被h扭曲(这里的h是任意的，让我们调用h=1(。
因此，我附带了以下确定性代码：
V = np.array([
vandermonde(generator-0*h, rank),
vandermonde(generator-1*h, rank),
vandermonde(generator-2*h, rank),
vandermonde(generator-3*h, rank)
])
然后我想做多个手动调用，vandermonde我使用了for循环，如下所示：
V=[]
for i in range(rank):
V.append(vandermonde(generator - h*i, rank))
V = np.array(V)
这种方法工作正常，但似乎太"不完整"。我尝试了如下np.append方法：
M = np.array([])
for i in range(rank):
M = np.append(M,[vandermonde(generator - h*i, rank)])
但是没有像我预期的那样工作，似乎np.append扩展数组以创建一个新元素。
我的问题是：
我怎么能不使用标准的 Python 列表，直接使用 np 方法，因为
np.append似乎没有我预期的那样表现，相反，它只是增长该数组而不是添加新的数组元素有没有更直接的numpy方法？
我的范德蒙德函数是：
def vandermonde(generator, rank=None):
"""Returns a vandermonde matrix
If rank not passwd returns a square vandermonde matrix
"""
if rank is None:
rank = len(generator)
return np.tile(generator,(rank,1)) ** np.array(range(rank)).reshape((rank,1))
预期的答案是一个大小为(generator, rank, rank)的 3 维数组，其中每个元素都是生成器偏斜范德蒙德矩阵之一。对于上面的常量(generator, rank, h(，我们有：
V= array([[[ 1. , 1. , 1. , 1. , 1. , 1. ],
[ -0.5 , 0.5 , 1.5 , 2.5 , 3.5 , 4.5 ],
[ 0.25, 0.25, 2.25, 6.25, 12.25, 20.25],
[ -0.12, 0.12, 3.38, 15.62, 42.88, 91.12]],
[[ 1. , 1. , 1. , 1. , 1. , 1. ],
[ -1.5 , -0.5 , 0.5 , 1.5 , 2.5 , 3.5 ],
[ 2.25, 0.25, 0.25, 2.25, 6.25, 12.25],
[ -3.38, -0.12, 0.12, 3.38, 15.62, 42.88]],
[[ 1. , 1. , 1. , 1. , 1. , 1. ],
[ -2.5 , -1.5 , -0.5 , 0.5 , 1.5 , 2.5 ],
[ 6.25, 2.25, 0.25, 0.25, 2.25, 6.25],
[-15.62, -3.38, -0.12, 0.12, 3.38, 15.62]],
[[ 1. , 1. , 1. , 1. , 1. , 1. ],
[ -3.5 , -2.5 , -1.5 , -0.5 , 0.5 , 1.5 ],
[ 12.25, 6.25, 2.25, 0.25, 0.25, 2.25],
[-42.88, -15.62, -3.38, -0.12, 0.12, 3.38]]])
在本次讨论中可以找到一些相关的想法：计算范德蒙德矩阵的有效方法
使用broadcasting以矢量化方式获取最终的3D数组 -
r = np.arange(rank)
V_out = (generator - h*r[:,None,None]) ** r[:,None]
我们还可以使用cumprod来实现另一个解决方案的指数值 -
gr = np.repeat(generator - h*r[:,None,None], rank, axis=1)
gr[:,0] = 1
out = gr.cumprod(1)