Question

我从MATLAB到Python，我遇到了处理矩阵的一些问题。

所以，我有一个矩阵（实现为np.array），我想操纵该矩阵的列。

所以，我从初始化开始：

x = np.nan * np.ndarray((2,8))
y = np.nan * np.ndarray((2,8))

哪两个

array([[ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan],
   [ nan,  nan,  nan,  nan,  nan,  nan,  nan,  nan]])

现在，我想在v内放置一个列向量y来计算x内的内容

v = np.array([[v1, v2]]) # if v = np.array([[v1], [v2]], doesn't compute on next line
y[:,0] = np.copy(v)
x[:,0] = y[:,0] + someRandomVector

它给我一个错误：

ValueError: could not broadcast input array from shape (2,2) into shape (2)

我认为问题来自于x[:,0]没有像我预期的那样给出列向量而是

>>> x[:,0]
array([ nan,  nan])

任何可能有用的想法或提示？

Answer 1

>>>x[:,0:1] 
print x.[:,0:1].shape
(2,1)

在此post中解释了动机以及如何在numpy中管理数组。

这对你的情况意味着当你写X [：，4]时，你有一个切片表示法和一个常规索引表示法。切片表示法表示沿第一维度的所有索引（仅为0和1，因为数组具有两行），而4表示沿第二维度的第五个元素。常规索引的每个实例基本上将返回对象的维度减少一个，因此由于X是一个2D数组，并且有一个常规索引，因此得到一维结果。 Numpy只显示1D数组作为行向量。诀窍，如果你想得到你开始使用的相同尺寸的东西，那就是使用所有切片索引，就像我在本文顶部的例子中所做的那样。

如果你想提取第五列更多的东西   总共5列，你可以使用X [：，4：5]。如果你想要一个视图   第3-4行和第5-7行，你会做X [3：5,5：8]。希望你明白   这个想法。

numpy：想要提取一列，给出一行

1 个答案: