使用索引数组广播 numpy 矩阵

Question

我有这些numpy对象：

>>> x = np.matrix([[1],[2],[3]])
>>> i = ([1,2],0)
>>> y = np.matrix([[4],[5]])

当我这样做时x[i]我得到我所期望的：

>>> x[i]
matrix([[2],
[3]])

但是，当我尝试分配给x[i]时，我得到了时髦的行为：

>>> x[i] = y
ValueError: array is not broadcastable to correct shape
>>> y.shape
(2, 1)
>>> x[i].shape
(2, 1)

我已经想出了一些解决方法，但它们是解决方法，而不是我想要的：

>>> x[1:,0] = y
>>> x
matrix([[1],
[4],
[5]])
>>> x = np.array([[1],[2],[3]]); y = np.array(y)
>>> x[i] = y[:,0]
>>> x
array([[1],
[4],
[5]])

第二种解决方法是不可接受的，因为y可能具有比列向量更通用的形状。

Answer 1

不要使用numpy.matrix.太可怕了。它会导致如此多奇怪的不兼容性，并且有如此多的不一致之处，包括这个。

使用numpy.array.对于数组，x[i]是一维的，将形状相等的一维y分配给x[i]就可以正常工作。

import numpy
x = numpy.array([[1], [2], [3]])
y = numpy.array([4, 5])
i = ([1, 2], 0)
print(x[i].shape)
print(y.shape)
x[i] = y
print(repr(x))

输出：

(2,)
(2,)
array([[1],
[4],
[5]])

如果要执行矩阵乘法，请使用@运算符，或者如果您使用的是太旧的 Python 版本或太旧的 NumPy 版本而无法@的dot方法。

Answer 2

使用简单[1,2]进行索引是有效的：

In [71]: x
Out[71]: 
matrix([[1],
[2],
[3]])
In [72]: y
Out[72]: 
matrix([[4],
[5]])
In [73]: x[[1,2],:]
Out[73]: 
matrix([[2],
[3]])
In [74]: x[[1,2],:] = y

尝试使用元组有问题：

In [78]: i = ([1,2],0)
In [79]: x[i] = y
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-79-699d63749224> in <module>()
----> 1 x[i] = y
ValueError: shape mismatch: value array of shape (2,1) could not be broadcast to indexing result of shape (2,)

将i更改为i = ([1,2],slice(None))符合我的第一个案例。

使用0而不是:'也是一个问题：

In [82]: x[[1,2],0] = y
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-82-8b683eb93954> in <module>()
----> 1 x[[1,2],0] = y
ValueError: shape mismatch: value array of shape (2,1) could not be broadcast to indexing result of shape (2,)

我怀疑它试图在将结果转换回矩阵之前将(2,)作为numpy数组进行断言。

它试图相当于：

In [83]: x.A[[1,2],0] = y
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-83-b2ccc78af912> in <module>()
----> 1 x.A[[1,2],0] = y
ValueError: shape mismatch: value array of shape (2,1) could not be broadcast to indexing result of shape (2,)

因为它需要y的扁平化版本：

In [84]: x.A[[1,2],0] = y.A1    # max `y` a 1d array
x[[1,2],0] = y.A1       # also works

今天早些时候有一个类似的问题：将NumPy矩阵复制到NumPy数组中。

使用*进行矩阵乘法的便利性很少超过将维度限制为 2 的笨拙。np.dot也一样有效。 数组还提供tensordot、einsum和matmul(以及@运算符)。

np.matrix是np.ndarray的一个子类。 它继承方法。 通常，它使用ndarray方法执行操作，并清理 diesions，将 1d 结果强制为 2d 或标量。

以下是*矩阵乘法的代码：

Signature: x.__mul__(other)
Source:   
def __mul__(self, other):
if isinstance(other, (N.ndarray, list, tuple)) :
# This promotes 1-D vectors to row vectors
return N.dot(self, asmatrix(other))
if isscalar(other) or not hasattr(other, '__rmul__') :
return N.dot(self, other)
return NotImplemented