Question

我在下面列出了一些变量。当我尝试运行这段代码时，为什么我会在底部收到错误消息？ Ind_var[i,:]应该是形状（1,2）所以通过矩阵乘法（1,2）*（2,2）是（1,2）？对不起，我是python的新手。

import numpy as np

spread_len = 10
n_param = 2
Q = np.zeros((spread_len,1))
ind_var = np.zeros((spread_len,2))
R = np.zeros((n_param,n_param))
Ve = 0.001

for i in range(spread_len):
     Q[i]=ind_var[i,:]*R*ind_var[i,:]+Ve

错误讯息：

ValueError：无法将形状（2,2）中的输入数组广播到形状（1）

Answer 1

你需要转换第二个ind_var [i，：]以获得（2,1）形状，否则你将跨越一个新的（2,2）矩阵，它不适合Q [i]，这是形状（1）。

对于矩阵数学，R和ind_var也需要是矩阵，而不是数组：

URL url = Thread.currentThread().getContextClassLoader().getResource("filename.xsd");
File schemaLocation = new File(url.getFile());

也许不是一个漂亮的解决方案，但你可以从这里开始使用matlib来创建矩阵。

import numpy as np

spread_len = 10
n_param = 2
Q = np.zeros((spread_len,1))
ind_var = np.asmatrix(np.zeros((spread_len,2)))
R = np.asmatrix(np.zeros((n_param,n_param)))
Ve = 0.001

for i in range(spread_len):
    Q[i]=ind_var[i,:]*R*ind_var[i,:].T+Ve

Answer 2

在你的例子中：

In [970]: ind_var.shape
Out[970]: (10, 2)

In [971]: R.shape
Out[971]: (2, 2)

In [972]: ind_var[0,:]*R*ind_var[0,:]+Ve
Out[972]: 
array([[ 0.001,  0.001],
       [ 0.001,  0.001]])

对于数组，*乘法是逐个元素的，就像MATLAB .*一样。因此结果是R的形状，以及放入Q单元格的错误大小。

有一个数组矩阵乘法，np.dot：

In [973]: np.dot(ind_var[0,:], np.dot(R, ind_var[0,:]))+Ve
Out[973]: 0.001

有一个数组子类np.matrix被约束为2d（就像旧的MATLAB一样）并使用*作为矩阵产品

In [981]: Rm=np.matrix(R)  
In [982]: ind_m=np.matrix(ind_var)
In [983]: ind_m[0,:]*R*ind_m[0,:].T+Ve
Out[983]: matrix([[ 0.001]])

np.einsum是np.dot的概括，可以一步执行所有计算

In [985]: np.einsum('ij,jk,ik->i', ind_var, R, ind_var)+Ve
Out[985]: 
array([ 0.001,  0.001,  0.001,  0.001,  0.001,  0.001,  0.001,  0.001,
        0.001,  0.001])

在此示例中，

R和ind_var值均为0，因此结果不是诊断性的 - 除了形状。

我打算建议使用新的matmul运算符@，但ind_var@R@ind_var.T生成一个10x10数组，这不是我们想要的。迭代ind_var[0,:]@R@ind_var[0,:]没问题。

（我真的应该用非平凡的价值来测试事物。）

用于乘法的Python维度不匹配

2 个答案: