MATLAB到python的转换？由于数组的形状，python中出现错误

问题

下面给出了一条布朗运动矢量化路径，我正试图在python中复制它。我的问题是其中一个函数（以黄色突出显示为第一个函数）不工作。相反，它给了我一个错误（

操作数无法与形状（1000499）（5001000）

）一起广播，因为添加了两个数组的尺寸

如何使用python重新创建数组

U

MATLAB代码来自，不是我自己的代码

MATLAB代码

Python尝试不起作用

错误消息

---

您不需要导入和使用

mb.repmat

。这在MATLAB中使用，因为它不做

广播

（或者至少直到最近才做）。要添加到（5001000）形状

W

，

t

需要是（500，），扩展到

（500,1）

。我建议使用

linspace

生成

t

测试：

np.arange

不包括终点，因此您的

t

仅为（499，）形状

===

MATLAB代码，以倍频程再现

>> T=1;N=500;dt=T/N;t=[dt:dt:1];
>> M=1000;
>> x=repmat(t,[M 1]);
>> W=randn(M,N);
>> Umean=mean(x+W);

t

is（1500）

x

和

W

是（1000500）大小，因此可以添加元素

Umean

是（1500）-第一维度上的平均值

numpy

代码：

In [1]: T = 1
   ...: N = 500
   ...: dt = float(T/N)
   ...: M = 1000 # ntraj
   ...: t = np.arange(dt,T,dt)
In [2]: t.shape
Out[2]: (499,)
In [3]: t = np.linspace(dt,T,N)
In [4]: t.shape
Out[4]: (500,)

In [6]: W=np.random.normal(0.0, 1.0, (N,M))
In [7]: W.shape
Out[7]: (500, 1000)

In [8]: (t[:,None]+W).shape
Out[8]: (500, 1000)

t[：，None]

是（500,1）形状，在不使用

repmat的情况下向（5001000）广播

要获得尺寸1000维上的
平均值
，我们必须使用：

In [9]: np.mean((t[:,None]+W), axis=1).shape
Out[9]: (500,)

您不需要导入和使用
mb.repmat
。这在MATLAB中使用，因为它不做
广播
（或者至少直到最近才做）。要添加到（5001000）形状
W
，
t
需要是（500，），扩展到
（500,1）
。我建议使用
linspace
生成
t

测试：

np.arange
不包括终点，因此您的
t
仅为（499，）形状

===

MATLAB代码，以倍频程再现

>> T=1;N=500;dt=T/N;t=[dt:dt:1];
>> M=1000;
>> x=repmat(t,[M 1]);
>> W=randn(M,N);
>> Umean=mean(x+W);

t
is（1500）
x
和
W
是（1000500）大小，因此可以添加元素
Umean
是（1500）-第一维度上的平均值

numpy
代码：

In [1]: T = 1
   ...: N = 500
   ...: dt = float(T/N)
   ...: M = 1000 # ntraj
   ...: t = np.arange(dt,T,dt)
In [2]: t.shape
Out[2]: (499,)
In [3]: t = np.linspace(dt,T,N)
In [4]: t.shape
Out[4]: (500,)

In [6]: W=np.random.normal(0.0, 1.0, (N,M))
In [7]: W.shape
Out[7]: (500, 1000)

In [8]: (t[:,None]+W).shape
Out[8]: (500, 1000)

t[：，None]
是（500,1）形状，在不使用
repmat的情况下向（5001000）广播

要获得尺寸1000维上的
平均值
，我们必须使用：

In [9]: np.mean((t[:,None]+W), axis=1).shape
Out[9]: (500,)

您好@wwii我已经阅读了文件，但我不明白这对解决问题有什么帮助。你能说得更清楚一点吗？这份文件解释了广播的规则。阵列形状需要与正在执行的操作兼容。如果您理解所编写的matlab代码，那么在学习了一些numpy基础知识之后，您应该能够用numpy创建一个函数等价物——这首先要花一些时间学习numpy文档。不幸的是，我受到了matlab的挑战。谢谢@wwii我现在会尝试解决这个问题。在matlab代码中，你能告诉我们每个元素的形状吗？它会相对容易地指出错误。我已经阅读了文件，但我不明白这对解决问题有什么帮助。你能说得更清楚一点吗？这份文件解释了广播的规则。阵列形状需要与正在执行的操作兼容。如果您理解所编写的matlab代码，那么在学习了一些numpy基础知识之后，您应该能够用numpy创建一个函数等价物——这首先要花一些时间学习numpy文档。不幸的是，我受到了matlab的挑战。谢谢@wwii我现在会尝试解决这个问题。在matlab代码中，你能告诉我们每个元素的形状吗？它将相对容易地将错误指向anks@hpaulj。我看到t是（500，1），这不是（500，1000）吗，其中1000代表M？当我运行这个函数时，生成的Umean是非线性的，但是当你绘制它时，Umean应该是一条倾斜的线，而不是一条有很多噪音的线。函数元素是这样的：U[I，j]=np.exp（t+0.5*W[I]），我添加了一些倍频程和
numpy
代码，希望能澄清这两个维度。几年前，我了解到，在MATLAB中，80%的调试工作都是为了得到正确的形状。不要猜测；测试和验证。谢谢@hpaulj。我看到t是（500，1），这不是（500，1000）吗，其中1000代表M？当我运行这个函数时，生成的Umean是非线性的，但是当你绘制它时，Umean应该是一条倾斜的线，而不是一条有很多噪音的线。函数元素是这样的：U[I，j]=np.exp（t+0.5*W[I]），我添加了一些倍频程和
numpy
代码，希望能澄清这两个维度。几年前，我了解到，在MATLAB中，80%的调试工作都是为了得到正确的形状。不要猜测；测试和验证。