Numpy 将一维阵列填充到三维阵列矢量化

我有一个函数

init_tensor（）

，它将二维矩阵

（N，N）

广播到三维块矩阵dim

（M，N，N）

，这样就有M个矩阵

NXN

：

def init_tensor(input_state, sample_size):
    return np.broadcast_to(input_state, (sample_size,)+input_state.shape)

例如，如果我想创建3（4x4）个矩阵，那么我可以：

init_tensor(np.eye(4, dtype=complex), 3)
Out[462]: 
array([[[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 1.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j]],

       [[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 1.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j]],

       [[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 1.+0.j, 0.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j],
        [0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j]]])

我的问题是，我有一些dim（1，M）的数组，我想将其填充到3D数组中作为其元素。对于一个简单的例子，如果M为3，我有：

lambda1 = [l11,l12,l13]
lambda2 = [l21,l22,l23]
lambda3 = [l31,l32,l33]
tau1 = [t11,t12,t13]
tau2 = [t21,t22,t23]
tau3 = [t31,t32,t33]

我想要一个向量化的方法，我可以把它们填入张量，这样它就变成：

array([[[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [   t11,    l11, 0.+0.j, 0.+0.j],
        [   t21, 0.+0.j,    l21, 0.+0.j],
        [   t31, 0.+0.j, 0.+0.j,    l31]],

       [[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [   t12,    l12, 0.+0.j, 0.+0.j],
        [   t22, 0.+0.j,    l22, 0.+0.j],
        [   t32, 0.+0.j, 0.+0.j,    l32]],

       [[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j],
        [   t13,    l13, 0.+0.j, 0.+0.j],
        [   t23, 0.+0.j,    l23, 0.+0.j],
        [   t33, 0.+0.j, 0.+0.j,    l33]]])

---

张量矩阵的深度将始终与1D数组的长度相同，

M

的值可以在1到100之间变化。

您可以使用

numpys

获得此结果：

将numpy导入为np
m=3
n=4
arr=np.one（（m，n，n），dtype=int）
lmbda=10*np.arange（1，（n-1）**2+1）。重塑（n-1，n-1）
#lmbda=[[l11、l12、l13]
#[l21、l22、l23]
#[l31、l32、l33]]
#数组（[[10,20,30]，
#        [40, 50, 60],
#        [70, 80, 90]])
tau=-10*np.arange（1，（n-1）**2+1）。重塑（n-1，n-1）
#数组（[-10，-20，-30]，
#        [-40, -50, -60],
#        [-70, -80, -90]])
arr[：，范围（1，n），范围（1，n）]=lmbda.T
arr[：，range（1，n），0]=tau.T#arr[：，1:，0]=tau.T#备选方案
#数组（[[1,1,1,1]，
#         [-10,  10,   1,   1],
#         [-40,   1,  40,   1],
#         [-70,   1,   1,  70]],
#        [[  1,   1,   1,   1],
#         [-20,  20,   1,   1],
#         [-50,   1,  50,   1],
#         [-80,   1,   1,  80]],
#        [[  1,   1,   1,   1],
#         [-30,  30,   1,   1],
#         [-60,   1,  60,   1],
#         [-90,   1,   1,  90]]])

您可以使用

numpys

获得此结果：

将numpy导入为np
m=3
n=4
arr=np.one（（m，n，n），dtype=int）
lmbda=10*np.arange（1，（n-1）**2+1）。重塑（n-1，n-1）
#lmbda=[[l11、l12、l13]
#[l21、l22、l23]
#[l31、l32、l33]]
#数组（[[10,20,30]，
#        [40, 50, 60],
#        [70, 80, 90]])
tau=-10*np.arange（1，（n-1）**2+1）。重塑（n-1，n-1）
#数组（[-10，-20，-30]，
#        [-40, -50, -60],
#        [-70, -80, -90]])
arr[：，范围（1，n），范围（1，n）]=lmbda.T
arr[：，range（1，n），0]=tau.T#arr[：，1:，0]=tau.T#备选方案
#数组（[[1,1,1,1]，
#         [-10,  10,   1,   1],
#         [-40,   1,  40,   1],
#         [-70,   1,   1,  70]],
#        [[  1,   1,   1,   1],
#         [-20,  20,   1,   1],
#         [-50,   1,  50,   1],
#         [-80,   1,   1,  80]],
#        [[  1,   1,   1,   1],
#         [-30,  30,   1,   1],
#         [-60,   1,  60,   1],
#         [-90,   1,   1,  90]]])

如果您删除了

复合体

将更容易可视化您试图做的事情。有一组

np.tri*

函数用于访问和填充上下三角形。如果您删除

复合体

将更容易可视化您试图做的事情。有一组

np.tri*

用于访问和填充上下三角形的函数。你的方法与生成张量的方式很奇怪，但当我对我的方法进行相同操作时，它给出了

值错误：赋值目的地是只读的
，你是如何生成数组的。可能使用`arr=arr.copy（）。你的方法生成张量的方式很奇怪，但当我用我的方法生成张量时，它给出了
ValueError:assignment destination是只读的
，你生成数组的方式是什么。可能使用`arr=arr.copy（）。也见此