MATLAB和Python中的整形和索引

我有一个Matlab代码，需要用Python翻译。这里的一点是，形状和索引非常重要，因为它与张量一起工作。我有点困惑，因为在python中使用

order='F'

似乎就足够了。但当我处理3D数据时，我注意到它不起作用。例如，如果

A

是python中从1到27的数组

array([[[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9]],

       [[10, 11, 12],
        [13, 14, 15],
        [16, 17, 18]],

       [[19, 20, 21],
        [22, 23, 24],
        [25, 26, 27]]])

如果我执行

A.重塑（3,9，order='F'）

我得到

[[ 1  4  7  2  5  8  3  6  9]
 [10 13 16 11 14 17 12 15 18]
 [19 22 25 20 23 26 21 24 27]]

在Matlab for

A=1:27

中，重塑为[3,3,3]，然后是[3,9]，似乎我得到了另一个数组：

1     4     7    10    13    16    19    22    25
2     5     8    11    14    17    20    23    26
3     6     9    12    15    18    21    24    27

Matlab和Python中的SVD给出了不同的结果。那么，有没有办法解决这个问题

也许你知道在Matlab->python中操作多维数组的正确方法，比如我应该为arange（1，13）等数组获得相同的SVD吗？重塑（3，4）和Matlab 1:12->重塑（uz，[3，4]），或者正确的方法是什么？也许我可以在python中以某种方式交换轴，以获得与Matlab相同的结果？或者在Python中更改

重塑（x1，x2，x3，…）

中的轴顺序

Matlab中的

A = 1:27;
A = reshape(A,3,3,3);
B = reshape(A,9,3)'
B =

     1     2     3     4     5     6     7     8     9
    10    11    12    13    14    15    16    17    18
    19    20    21    22    23    24    25    26    27
size(B)

ans =

     3     9

用Python

A = np.array(range(1,28))
A = A.reshape(3,3,3)
B = A.reshape(3,9)
B
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14, 15, 16, 17, 18],
       [19, 20, 21, 22, 23, 24, 25, 26, 27]])
np.shape(B)
 (3, 9)

---

我也有同样的问题，直到我找到这篇维基百科文章：

Python（和C）按行的主要顺序组织数据数组。正如您在第一个示例代码中看到的，元素首先随列增加：

array([[[ 1,  2,  3],
          - - - -> increasing

然后排成一排

array([[[ 1,  2,  3],
      [ 4,   <--- new element

（在matlab中）

load（'A.mat'）
A=排列（A[3 2 1]）；%反序尺寸
整形（A，9,3）“%给出的结果与python中的A.reformate（[3,9]）相同

---

请注意，（9,3）和（3,9）是有意按相反的顺序排列的。

在Matlab

中重塑（A，3,3,3）

给出与初始Python数组相同的结果。在Matlab

A=1:27

中相当于

A=np。数组（范围（1,28））

在Python中。在Matlab中，整形（A，3，3，3）与Python中的整形（3，3，3）是等价的。但是，如果我想将（3，3，3）数组重塑为（3，9），该怎么办？似乎元素的顺序不同，非常感谢您的解释！那么，从Matlab到python的“翻译”代码的正确方法是什么呢？在Matlab中，我们有

重塑（A，[x1，x2，x3，…]）

那么在python中，它应该是

A.重塑（…，x3，x2，x1）

对吗？如果张量A是在python中创建的，是的。如果要将首先在matlab中创建的张量导入python（或反之亦然），则首先需要排列其维度（matlab中的

permute（）

，python中的

np.moveaxis（）

），然后按照您提到的方式进行重塑。

array([[[ 1,  2,  3],
    [ 4,  5,  6],
    [ 7,  8,  9]],

   [[10,  <-- new element in next page