我正试图将一些Matlab代码翻译成Python(使用NumPy)。我不是很熟悉Matlab,我遇到了一行,我有问题解析:
w(idx(1:p, 1), 1) = v(idx(1:p, 1), 1) - theta;
我冒昧地猜测,x
的p
长头被用作索引来选择w
的p
项,并且w
中的这些项被v
中的相应项所取代(不含标量theta
)。
在Octave中瞎折腾,这似乎是对它所做的事情的准确描述,但我找不到任何相关的文档。
在任何情况下,用Python重写这些代码的最佳方法是什么?我已经查看了NumPy的"试探性教程",试图找到一种优雅的方法来做到这一点,看起来这可能是我正在寻找的。然而,我在使它看起来漂亮方面遇到了麻烦,特别是在赋值操作符方面。有没有更优雅的或python习惯的方法来完成这个赋值操作?
这基本上是@Dan在评论中写的,但是在python中考虑了从零开始的索引:
w[idx[:p, 0], 0] = v[idx[:p, 0], 0] - theta
不确定你是否想要更优雅的东西。如果只修改第一列,则需要这些零。
关于基本行为你是对的。索引矩阵idx
的第一列的p
长度的子向量被用来从v
中选择元素,并在首先通过标量theta
调整它们的值后将它们放入矩阵w
中的相同位置。
对MATLAB使用基于一的索引,对numpy
使用基于零的索引是至关重要的。
clear
% Data matrices
w = zeros(5,5)
v = diag([10,20,30,40,50]) * ones(5,5)
% Indexing matrix
idx = ceil(5*rand(5, 5))
% Selection and adjustment parameters
p = 3
theta = 1
% Apply adjustment and selection
w(idx(1:p, 1), 1) = v(idx(1:p, 1), 1) - theta
产生输出
w =
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
v =
10 10 10 10 10
20 20 20 20 20
30 30 30 30 30
40 40 40 40 40
50 50 50 50 50
idx =
3 1 2 3 4
1 1 2 1 3
4 1 2 2 2
1 1 5 1 1
1 2 4 5 4
theta =
1
p =
3
w =
9 0 0 0 0
0 0 0 0 0
29 0 0 0 0
39 0 0 0 0
0 0 0 0 0
并且,等效的Python代码使用numpy
import numpy as np
# Data arrays
w = np.zeros((5,5))
v = np.dot(np.diag([10, 20, 30, 40, 50]), np.ones((5,5)))
print "w = "
print w
print "v = "
print v
# Indexing array
idx = np.floor(5 * np.random.rand(5,5)).astype(int)
print "idx = "
print idx
# Selection and adjustment parameters
theta = 1
p = 3
# Apply selection and adjustment
w[idx[:p, 0], 0] = v[idx[:p, 0], 0] - theta
print "w = "
print w
产生输出
w =
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]
v =
[[ 10. 10. 10. 10. 10.]
[ 20. 20. 20. 20. 20.]
[ 30. 30. 30. 30. 30.]
[ 40. 40. 40. 40. 40.]
[ 50. 50. 50. 50. 50.]]
idx =
[[0 2 2 0 3]
[1 2 1 2 4]
[2 2 4 3 4]
[0 1 1 4 4]
[0 1 0 4 3]]
w =
[[ 9. 0. 0. 0. 0.]
[ 19. 0. 0. 0. 0.]
[ 29. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]