Question

假设我有一个矩阵矩阵，它是一个4阶张量。将相同操作应用于所有子矩阵的最佳方法是什么，类似于Mathematica中的Map？

#!/usr/bin/python3
from pylab import *
t=random( (8,8,4,4) )
#t2=my_map(det,t)
#then shape(t2) becomes (8,8)

修改的
对不起的英语很抱歉，因为它不是我的原住民。

我尝试了numpy.linalg.det，但它似乎无法很好地应对3D或4D张量：

>>> import numpy as np
>>> a=np.random.rand(8,8,4,4)
>>> np.linalg.det(a)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 1703, in det
sign, logdet = slogdet(a)
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 1645, in slogdet
_assertRank2(a)
File "/usr/lib/python3/dist-packages/numpy/linalg/linalg.py", line 155, in _assertRank2
'two-dimensional' % len(a.shape))
numpy.linalg.linalg.LinAlgError: 4-dimensional array given. Array must be two-dimensional

EDIT2（已解决） 问题是较旧的numpy版本（＆lt; 1.8）不支持numpy.linalg.det中的内循环，更新到numpy 1.8解决了问题。

Answer 1

numpy 1.8有一些gufunc可以在C循环中执行此操作：

例如，numpy.linalg.det()是一个gufunc：

import numpy as np
a = np.random.rand(8,8,4,4)
np.linalg.det(a)

Answer 2

首先检查文档以了解您要使用的操作。许多人都有办法指定要操作的轴（np.sum）。其他人指定他们使用的轴（例如np.dot）。

对于np.linalg.det，文档包括：

a :( ...，M，M）array_like 输入数组来计算。的决定因素。

所以np.linalg.det(t)返回(8,8)数组，使用最后2个维度计算每个det。

虽然可以迭代维度（第一个是默认值），但最好编写一个使用整个数组的numpy运算的函数。

numpy：将操作应用于多维数组

2 个答案: