使用.T在python中解压列表？

我正在使用scipy的方法integrate.odeint来解决二阶LDE。该方法要求方程以两个未知量的两个一阶方程组的形式表示。方法

odeint(system_matrix,initial_conditions_matrix,time_values)

输出每个时间点的解向量的时间值。解向量的形式实际上是[u，u']，其中u是我感兴趣的变量。所以我只想画你。我在网上发现实现这一点的一种方法是使用

u,u'=odeint(system_matrix,initial_conditions_matrix,time_values).T

但我不明白为什么会这样，以及最后的.t是什么意思？

odeint（系统矩阵、初始条件矩阵、时间值）

是一个由两列组成的矩阵

为了能够获得第一列，首先使用

.T

（转置），然后您就能够解压，因为元素的方向与您想要的方向相同

顺便说一句，我怀疑

u'

是一个有效的变量名。我会：

u,_ = odeint(system_matrix,initial_conditions_matrix,time_values).T

---

因为您对第二个值不感兴趣。

我想到的示例是：

>>> sol = odeint(pend, y0, t, args=(b, c))
The solution is an array with shape (101, 2). The first column is theta(t), and the second is omega(t). The following code plots both components.

>>>
>>> import matplotlib.pyplot as plt
>>> plt.plot(t, sol[:, 0], 'b', label='theta(t)')
>>> plt.plot(t, sol[:, 1], 'g', label='omega(t)')

sol[：，0]

选择

sol的第一列

解包通常与返回元组的函数一起使用，例如：

def foo():
   ....
   return [1,2,3],{3:3}
x, y = foo()

结果应该是
x
是一个列表，
y
是一个字典

但它与任何iterable一起工作，提供匹配的术语数量。例如，一个2行数组可以解压成2个数组

In [1]: x, y = np.arange(6).reshape(2,3)
In [4]: x,y
Out[4]: (array([0, 1, 2]), array([3, 4, 5]))

如果我创建了一个（3,2）数组，我需要
x，y，z=…
或
.T

因为我们可以索引列和行，所以解包在
numpy
中没有太多使用。通常我们有太多的行要解包。但它的工作原理与基本Python的预期一样

出于好奇，
transpose
可以在元组上工作

In [6]: np.transpose((x,y))
Out[6]: 
array([[0, 3],
       [1, 4],
       [2, 5]])

这实际上是在
np.argwhere
中使用的，它将
np.where
生成的索引元组转换为具有与维度相同列数的数组。
它的意思是“转置”。您是否尝试过
odeint
文档中演示的列索引
sol[：，0]
。添加
unpack
在数组的第一个维度上迭代。@hpaulj您能详细说明一下吗？而且你的
[：，0]
东西听起来更好，可以避免换位，对吗？