numpy python中的矢量化特征值计算
我试图把A的每一行排列成一个矩阵,然后计算特征值。 我需要帮助将此操作矢量化numpy python中的矢量化特征值计算,python,numpy,vectorization,Python,Numpy,Vectorization,我试图把A的每一行排列成一个矩阵,然后计算特征值。 我需要帮助将此操作矢量化 A= np.array([[5, 5, 7, 0, 1, 6], [4, 0, 9, 3, 4, 0], [3, 1, 2, 0, 1, 1], [7, 6, 4, 4, 1, 8], [3, 1, 9, 8, 0, 1], [8, 6, 1, 4, 3, 6], [6, 9, 5, 9, 6
A= np.array([[5, 5, 7, 0, 1, 6],
[4, 0, 9, 3, 4, 0],
[3, 1, 2, 0, 1, 1],
[7, 6, 4, 4, 1, 8],
[3, 1, 9, 8, 0, 1],
[8, 6, 1, 4, 3, 6],
[6, 9, 5, 9, 6, 1],
[5, 9, 6, 8, 3, 3]])
S1 = A[:,0]
S2 = A[:,1]
S3 = A[:,2]
S4 = A[:,3]
S5 = A[:,4]
S6 = A[:,5]
SS=[(S1,S4,S5),(S4,S2,S6),(S5,S6,S3)]
SS=np.array(SS)
reqval=np.zeros([len(A),1])
for i in range(len(A)):
eva = np.linalg.eigvals(SS[:,:,i])
reqval[i] = max(eva)
使用
transpose/rollaxis/moveaxis
排列轴,这样我们就可以将前两个轴作为后两个轴,这样我们就可以通过单个调用使用np.linalg.eigvals
,如下所示-
reqval = np.linalg.eigvals(SS.transpose(2,0,1)).max(1)
要使用
rollaxis
和moveaxis
,请分别使用np.rollaxis(SS,2,0)
和np.moveaxis(SS,2,0)
替代SS.transpose(2,0,1)
,发布的解决方案对您有效吗?