Python中使用np.array的矩阵和数组

假设我要做这个计算：

在Python中，最好的方法是什么？我来自Matlab背景，Matlab中的矩阵很容易处理。我已尝试使用numpy，但它显示以下错误消息：

ValueError:设置带有序列的数组元素。

以下是我的代码片段：

以Xh表示的i的

：
对于Yh中的u：
E=（np.数组（[（C，D），（E，F）]）*np.数组（[（i），（u）]）+np.数组（[Cx，Cy]）

请注意，

Xh

和

Yh

是已经计算过的列表，这就是我使用for循环的原因（我知道我可以通过列表理解更快）

编辑：这是我从这个主题中得到的一个很好的解决方案，效果非常好。对于任何面临同样问题的人来说，这可能会有所帮助

a = np.matrix([[1,2],[3,4]])
v1 = np.matrix([[0],[1]])
v2 = np.matrix([[1],[1]])

res = np.dot(a,v1)+v2 # python version <= 3.5
res = a@v1+v2 # python version > 3.5 with the new dot operator @

a=np.矩阵（[[1,2]，[3,4]]
v1=np.矩阵（[[0]，[1]]）
v2=np.矩阵（[[1]，[1]]）
res=np.dot（a，v1）+v2#python版本3.5，带有新的点运算符@

如果您想拥有接近matlab的经验，可以使用np.matrix而不是np.array。你的数学例子是，例如

a = np.matrix([[1,2],[3,4]])
v1 = np.matrix([[0],[1]])
v2 = np.matrix([[1],[1]])

res = a*v1+v2

然而，正如评论中所指出的，numpy文档并不推荐这样做。使用数组执行此操作的方法非常类似。然而，这里*是元素乘法（*在matlab中）。然后，可以使用以下方法进行矩阵乘法：

a = np.matrix([[1,2],[3,4]])
v1 = np.matrix([[0],[1]])
v2 = np.matrix([[1],[1]])

res = np.dot(a,v1)+v2 # python version <= 3.5
res = a@v1+v2 # python version > 3.5 with the new dot operator @

a=np.矩阵（[[1,2]，[3,4]]
v1=np.矩阵（[[0]，[1]]）
v2=np.矩阵（[[1]，[1]]）
res=np.dot（a，v1）+v2#python版本3.5，带有新的点运算符@

我在您的代码中发现了两个问题：

您使用圆括号而不是方括号-您必须为numpy的2d数组提供列表列表

[[a0，a1]，[a2，a3]

。这就是您的

ValueError

的来源

您使用的是

m1*m2

，这是元素点积，但您应该使用矩阵点积

np.dot（m1，m2）

或其等效形式

m1.dot（m2）

更正：

for i in Xh:
    for u in Yh:
        E = np.dot(np.array([[C, D], [E, F]]), np.array([[i], [u]])) + np.array([[Cx], [Cy]])

您可以使用，然后

np.einsum

并在此处进行广播，以在一行中对整个操作进行矢量化（读取：加速100倍）：

import numpy as np

C, D, E, F = 1, 2, 3, 4
Cx, Cy = 1, 2
Xh = [1, 2, 3]
Yh = [4, 5, 6]

XhYh = np.array(np.meshgrid(Xh, Yh)).T.reshape(-1, 2)
M = np.array([[C, D], [E, F]])
V = np.array([Cx, Cy])

E = np.einsum('mk,fk->fm', M, XhYh) + V

100000

XhYh

条目的速度比较：

%timeit np.einsum('mk,fk->fm', M, XhYh) + V
# 209 µs ± 2.51 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit np.array([M.dot(np.array([x, y])) + V for x in Xh for y in Yh])
# 32.5 ms ± 608 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

你能提供一个矩阵向量乘法的？用法吗。

*

运算符通过执行元素相乘。

（）

创建一个序列，您应该在数组元素周围使用

[]

。另外，如果您试图进行矩阵乘法，请使用

mat\u name.dot（vector\u name）

。快速浏览一下

E=np.array（[[C，D]，[E，F]]）.dot（np.array（[i，u]）+np.array（[Cx，Cy]）

就足够了。没错，但我认为你也应该编辑以包含正确的方法来处理数组，因为它们更常见，而且OP将来可能会遇到它们，而不是矩阵！

np.einsum（）

比

ndarray.dot（）

使用或

*

使用

np.matrix

变量有什么好处？而对于大型矩阵

.dot（）

比

einsum（'mk，k->m'）

，

einsum（）

和使用

中的广播更快V

比Python

for

循环快。