Question

我收到错误，例如;

Traceback（最近一次调用最后一次）：文件＆＃34; C：\ Users \ SONY \ Desktop \ deneme.py＆＃34;，第42行，in Gα[n] = compute_G（x，n）NameError：name＆＃39; G＆＃39;未定义

这是我的代码：

N = 20
N_cor = 25
N_cf = 25
a = 0.5
eps = 1.4

def update(x):
    for j in range(0,N):
        old_x = x[j]
        old_Sj = S(j,x)
        x[j] = x[j] + random.uniform(-eps,eps)
        dS = S(j,x) - old_Sj
        if dS>0 and exp(-dS)<random.uniform(0,1):
            x[j] = old_x

def S(j,x):
    jp = (j+1)%N
    jm = (j-1)%N
    return a*x[j]**2/2 + x[j]*(x[j]-x[jp]-x[jm])/a

def compute_G(x,n):
    g = 0
    for j in range(0,N):
        g = g + x[j]*x[(j+n)%N]
        return g/N

#def MCaverage(x,G):
import random
from math import exp
x=[]
for j in range(0,N):
    x.append(0.0)
    print"x(%d)=%f"%(j,x[j])
for j in range(0,5*N_cor):
    update(x)
for alpha in range(0,N_cf):
    for j in range(0,N_cor):
        update(x)
        for i in range(0,N):
            print"x(%d)=%f"%(i,x[i])        
    for n in range(0,N):
        G[alpha][n]=compute_G(x,n)
for n in range(0,N):
    avg_G = 0
    for alpha in range(0,N_cf):
        avg_G = avg_G + G[alpha][n]
        avg_G = avg_G / N_cf
        print "G(%d) = %f"%(n,avg_G)

当我定义G时，我得到另一个错误，例如：

Traceback（最近一次调用最后一次）：文件＆＃34; C：\ Users \ SONY \ Desktop \ deneme.py＆＃34;，第43行，in Gα[n] = compute_G（x，n）IndexError：列表索引超出范围

以下是我如何定义G：

...
for alpha in range(0,N_cf):
    for j in range(0,N_cor):
        update(x)
    for n in range(0,N):
        G=[][]
        G[alpha][n]=compute_G(x,n)
...

如何定义具有两个索引的数组，即二维矩阵？

Answer 1

在Python a=[]中定义一个列表，而不是一个数组。它当然可以用于存储所有相同数字类型的许多元素，并且可以定义从将矩形数组索引到一个列表索引的两个整数的映射。不过，它反而违背了粮食。难以编程和低效存储，因为列表旨在作为任意类型的对象的有序集合。

您最需要的是指向何处开始阅读。这里是。了解Numpy http://www.numpy.org/，它是一个Python模块，用于典型的科学计算，其中包含（大多数）数字数据的数组，其中所有元素都是相同的类型。安装numpy之后，这是一个简短的品尝者。

>>> import numpy as np # importing as np is conventional
>>> p = np.zeros( (6,4) )  # two dimensional, 24 elements in total
>>> for i in range(4): p[i,i]=1
>>> p
array([[ 1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

numpy数组是操作尽可能多的数据的有效方法，可以放入计算机的RAM中。

底层numpy是Python的array.array数据类型，但它很少单独使用。 numpy是您通常不想为自己编写的支持代码。尤其是，因为当您的数组是数百万或数十亿个元素时，您无法在像Python这样的解释语言中为其索引提供内部循环的低效率。 Numpy为您提供行，列和数组级操作，其底层代码经过编译和优化，因此运行速度更快。

定义具有两个索引

1 个答案: