将本征矩阵转换为numpy矩阵 我在C++中使用下面的代码，使用特征库，需要帮助翻译到python（NoMPY）

初始化

double b = 20.0;
Eigen::Vector3d C(1.0/10.2, 1.0/10.2, 1/30);

Eigen::MatrixXd U(5200, 3);
int i = 0;
for (double x = 10.2/2.0; x < 200; x += 10) {
    for (double y = 10.2/2.0; y < 200; y += 10) {
        for (double t = 0; t <= 360; t += 30) {
            U(i, 0) = x;
            U(i, 1) = y;
            U(i, 2) = psi;
            i += 1;
        }
    }
}

我感到困惑的是：

在C++实现中，我认为<>代码[p[i+1] >应该是一个单独的值

在我的python版本中，我得到一个

p[I+4]

平方矩阵

每个

p[i+4]

都是一个零矩阵

---

我无法破译我的错误。请帮忙

试着在里面打印一些东西，看看你能得到什么。它真的是一个一维向量吗？同样，i在U.shape[0]范围内的

行：

应该是i在U.shape[0]范围内的

：

s

确实是一个一维向量

U[i]

是矩阵的第

i

行，所以

U[i].T

是一个列数组。当您从1d（~row）数组

s

中减去它时，您将通过数组广播得到一个矩阵。旁注：您应该使用

np.array

而不是

np.matrix

，因为前者更灵活，而且您似乎没有实际使用矩阵方法（数组也不会出现同样的问题，因为这样

U[i]

将是1d数组，因此

U[i]。t

将与

U[i]

相同。

Eigen::VectorXd operator()(const Eigen::VectorXd& s) {
    Eigen::VectorXd p(length());

    p(0) = s[0];
    p(1) = s[1];
    p(2) = s[2];
    p(3) = s[3];

    for (int i = 0; i < U.rows(); i++) {
        p(i + 4) = b*exp(-0.5*(s.tail(U.cols()) - U.row(i).transpose()).dot(C*(s.tail(U.cols())
                            - U.row(i).transpose())));
        if (p(i + 4) < 0.1) {
            p(i + 4) = 0;
        }
    }

    return p;
}

my_x = 10.2/2.0
my_y = 10.2/2.0
my_p = 0

xx = []
while my_x < 200:
    xx.append(my_x)
    my_x += 10

yy = []
while my_y < 200:
    yy.append(my_y)
    my_y += 10

pps = []
while my_psi <= 360:
    pps.append(my_p)
    my_p+=30

U =[]
for x in xx:
    for y in yy:
        for p in pps:
            U.append([x,y,p])

U = numpy.matrix(U)

C = numpy.array([1.0/10.2, 1.0/10.2, 1.0/30.0])

b = 20.0

def doSomething(s):   # Where s is a numpy array (1-d vector)
    p[0:4] = s[0:4]
    for i in range (U.shape[0]):
        s_dash = -0.5*(s - U[i].T)
        s_ddash = C*s
        s_dddash = s_dash.dot(s_ddash) - U[i].T
        p[i+4] = b * numpy.exp(s_dddash)

        if p[i+4] < 0.1: p[i+4] = 0