Question

所以我有一个矩阵调用它是Vjunk，它是70x70x70x70。我有另一个矩阵，70x70称之为V。

我想做的是，对于每个i，j矩阵Vjunk [：，：，i，j]是70乘70.我想改变这个矩阵，以便它被自己替换+ V [i，j其中V [i，j]是我的矩阵V的第i个元素。

我试过了 [Vjunk [：，：，i，j] = Vjunk [：，：，i，j] -beta * V [i，j] for i in range（humangrid_size）for j in range（assetgrid_size）]

但是这个命令不成功。

Answer 1

让我们在Vjunk上使用这个指标：（m，n，i，j）

如果我是正确的，你想要每m，n组合，Vjunk（m，n，i，j）被Vjunk（m，n，i，j）替换为-V * [i，j] ]。如果这是目标，那么这个循环应该可以解决问题：

for m in range(70):
    for n in range(70):
        for i in range(70):
            for j in range(70):
                Vjunk[m,n,i,j] = Vjunk[m,n,i,j] - beta * V[i,j]

Dunno，如果它足够快，即使它只是一个70 * 70 * 70 * 70矩阵。仍然超过20M的运营。

i，j上的循环可能会被列表理解所取代。

Answer 2

首先，您不能将任务放在列表理解中。

第二个：您很幸运，因为Vjunk和V减去后很容易广播。这是一个具有非平凡形状的示例，可以更轻松地发现错误：

import numpy as np

Vjunk = np.random.rand(2, 3, 4, 5) 
V = np.random.rand(4, 5) 

# naive version: loop
res1 = Vjunk.copy() 
for i in range(2): 
    for j in range(3): 
        for l in range(4): 
            for m in range(5): 
                res1[i,j,l,m] -= V[l,m]

# vectorized, broadcasting version:
res2 = Vjunk - V

print(np.array_equal(res1, res2))
# True

此处Vjunk的形状为(2, 3, 4, 5)，而V的形状为(4, 5)。后者与(1, 1, 4, 5)形状兼容以进行广播，然后与Vjunk形状兼容。

执行广播减法Vjunk - V可以完全满足您的要求：对于沿最后两个维度的每个元素，Vjunk（沿其前两个维度的2d数组）的每个值将减少{ {1}}。

然后添加标量因子很简单：

如何在Python中为每个2D横截面填充带有2D矩阵的4D矩阵

2 个答案: