Matlab到Python的numpy索引和乘法问题

我在MATLAB中有下面一行代码，我正在尝试将其转换为Python

numpy

：

pred = traindata(:,2:257)*beta;

在Python中，我有：

pred = traindata[ : , 1:257]*beta

beta

是一个256 x 1的阵列

在MATLAB中

size(pred) = 1389 x 1

但在Python中

pred.shape = (1389L, 256L)

因此，我发现乘以

beta

数组会产生两个数组之间的差异

---

如何编写原始Python行，使

pred

的大小为1389 x 1，就像在MATLAB中乘以beta数组一样？

我怀疑

beta

实际上是1D

numpy

数组。在

numpy

中，1D数组不是行向量或列向量，而MATLAB对此做了明确区分。这些只是不可知任何形状的一维阵列。如果必须，则需要手动将新的单例维度引入

beta

向量，以便于乘法。除此之外，

*

运算符实际执行元素级的乘法。要执行矩阵向量或矩阵乘法，必须使用

numpy

的函数

因此，您必须这样做：

import numpy as np # Just in case

pred = np.dot(traindata[:, 1:257], beta[:,None])

beta[：，None]

将创建一个2D

numpy

数组，其中1D数组中的元素沿行填充，有效地形成一个列向量（即256 x 1）。但是，如果您已经在

beta

上这样做了，那么您就不需要引入新的单例维度。正常使用

dot

：

pred = np.dot(traindata[:, 1:257], beta)

---

这个解决方案解决了我的问题。通过使用您提供的第一行代码，我的数组现在在Python中是1389 x 1。谢谢@尼克，没问题！很高兴我能帮忙。祝你好运@尼克，这只是

traindata=traindata[：，无]

。第二个参数中的

None

允许您创建两个维度的数组，而不是您自己显式创建第二个维度的数组。然后，它将用元素行方式填充2D矩阵。一般来说，这适用于任何

numpy

数组，如果您有

N

维度，您将创建一个

N+1

维度数组，最后一个维度的大小为1。

（1389L，）

表示

traindata

是一个1D数组。如果您想执行矩阵乘法，则需要包含单体维度。@Nick如果您只想查找两个

numpy

数组的点积，则不需要我所说的单体元素。只要做

np.dot（traindata，beta）

就可以了，假设它们都是相同大小的1D数组。只需单独使用

dot

。对于1D阵列，它在两个阵列之间执行点积，但在两个矩阵/向量之间执行矩阵向量乘法或矩阵矩阵乘法。矩阵向量或矩阵乘法归结为一系列点积计算，这就是为什么

dot

有它的名字。还要注意，对于python 3.5或更高版本，您可以用

a@b

替换

np.dot（a，b）

。

@

运算符的矩阵乘法操作与MATLAB

*

运算符类似（而

*

运算符的行为与MATLAB

*

运算符类似）。