Python 使用NumPy创建n×n实例数组

我试图用NumPy创建一个n×n的对象数组，下面是我的问题：假设数组的维数设置为

m=n=3

。对于的每个元素，我想为我的类

Vector

分配一个实例，它是一个n维向量类型

在我的第一次尝试中，我尝试分配一个2-dim。按以下方式进行矢量计算：

    array_size = 4
    np.array([ 
          [ Vector(1,2) for j in xrange(array_size) ] 
          for i in xrange(array_size) ], dtype=object)

Python返回的不是

Vector

实例数组，而是：

[[[1 2]
  [1 2]
  [1 2]]

 [[1 2]
  [1 2]
  [1 2]]

 [[1 2]
  [1 2]
  [1 2]]]

上面是一个形状数组

（3,3,2）

，而不是

（2,2）

。Numpy将

向量

实例转换为第三个数组维度。这不是我想要的，所以我尝试了另一件事：

我首先定义了一个空对象数组，然后将实例分配给它：

    array_size=3
    mx = np.empty([array_size, array_size], dtype=object).astype(list)

    for i in xrange(array_size):
        for j in xrange(array_size):
            mx[i][j] = Vector(1,2)

有趣的是，我必须将数组放到一个列表中。然后，它工作得很好，返回的正是我需要的：

[[< Vector: [1, 2] > < Vector: [1, 2] > < Vector: [1, 2] >]  
 [< Vector: [1, 2] > < Vector: [1, 2] > < Vector: [1, 2] >]  
 [< Vector: [1, 2] > < Vector: [1, 2] > < Vector: [1, 2] >]]

此数组不是数组，而是返回一个错误：

ValueError:分配给0-d数组

我不明白

---

关于嵌套循环，有人有好的解决方案吗？还欢迎对值错误进行解释。

如果您不强制转换到列表，并且执行以下赋值操作，则循环应该可以工作：

        mx[i,j] = Vector(1,2)

---

在您的第一次尝试中，

np.array

正在完成它的工作。它可以看到一个嵌套的数据集合，这些数据可以转换为三维数组，因此它可以这样做

要获取二维对象数组，可以更改以下内容：

a = np.array(<nested list of Vectors>, dtype=object)  # Doesn't work as desired.

您可以将

np.array（[10*j+k，10*j+k+1]）

更改为

Vector（10*j+k，10*j+k+1）

以在

Vector

类中尝试此操作

a

是我正在创建的对象数组：

In [28]: a = np.empty((3, 3), dtype=object)

将向量分配给

a

，如下所示：

In [29]: a[...] = vectors   # or `a[:,:] = vectors` 

In [30]: a
Out[30]: 
array([[array([0, 1]), array([1, 2]), array([2, 3])],
       [array([10, 11]), array([11, 12]), array([12, 13])],
       [array([20, 21]), array([21, 22]), array([22, 23])]], dtype=object)

In [31]: a.shape
Out[31]: (3, 3)

---

所以最大的问题是为什么你有自己的

Vector

类？（num）python方法是对所有内容使用numpy数组类（正如示例代码中的

array

构造函数返回的那样），根据需要进行重塑和切片。

Vector

继承自

np.ndarray

，并提供了向量代数功能的一些简化和扩展。因此，最大的问题是：“为什么即使我使用纯

ndarray

而不是

Vectors

，它也不起作用？”我认为第一次尝试可能会失败，因为Vector是ndarray，所以您的实例将具有数组接口（请参阅）。也许可以将向量类更改为具有ndarray属性，而不是ndarray子类。回答得好。谢谢你，我试过了，成功了。出于某种原因，我的嵌套For循环比您的代码快12%（1000 x 1000个3d向量数组）似乎我不得不接受循环；-）

In [26]: vectors = [[np.array([10*j + k, 10*j + k + 1]) for k in range(3)] for j in range(3)]

In [27]: vectors
Out[27]: 
[[array([0, 1]), array([1, 2]), array([2, 3])],
 [array([10, 11]), array([11, 12]), array([12, 13])],
 [array([20, 21]), array([21, 22]), array([22, 23])]]

In [28]: a = np.empty((3, 3), dtype=object)

In [29]: a[...] = vectors   # or `a[:,:] = vectors` 

In [30]: a
Out[30]: 
array([[array([0, 1]), array([1, 2]), array([2, 3])],
       [array([10, 11]), array([11, 12]), array([12, 13])],
       [array([20, 21]), array([21, 22]), array([22, 23])]], dtype=object)

In [31]: a.shape
Out[31]: (3, 3)