Question

使用Python＆amp; Numpy，我想：

考虑每一行（n列x m行）矩阵作为向量
每行的重量（标量乘以每个组成部分矢量）
添加每一行以创建最终向量（矢量添加）。

权重以规则的numpy数组给出，n x 1，因此矩阵中的每个向量m应乘以权重n。

这就是我所拥有的（测试数据;实际矩阵很大），这可能是非Numpy和非Pythonic。谁能做得更好？谢谢！

import numpy

# test data
mvec1 = numpy.array([1,2,3])
mvec2 = numpy.array([4,5,6])
start_matrix = numpy.matrix([mvec1,mvec2])
weights = numpy.array([0.5,-1])

#computation
wmatrix = [ weights[n]*start_matrix[n] for n in range(len(weights)) ]

vector_answer = [0,0,0]
for x in wmatrix: vector_answer+=x

Answer 1

在这种情况下，使用二维numpy.array比numpy.matrix更方便。

start_matrix = numpy.array([[1,2,3],[4,5,6]])
weights = numpy.array([0.5,-1])
final_vector = (start_matrix.T * weights).sum(axis=1)
# array([-3.5, -4. , -4.5])

由于NumPy的广播规则，乘法运算符*在这里做了正确的事。

Answer 2

即使一个'技术上'正确的答案已经准备就绪，我会给出我直截了当的回答：

from numpy import array, dot
dot(array([0.5, -1]), array([[1, 2, 3], [4, 5, 6]]))
# array([-3.5 -4. -4.5])

这一点更多的是线性代数的精神（以及问题顶部的三个点缀要求）。

<强>更新而且这个解决方案非常快，不是很简单，但比所有现成的解决方案快一些（10-15）x！

矩阵的Numpy-weight和sum行

2 个答案: