Python：调整数组大小并填充零

Question

我觉得我的问题应该很简单，但在网上找不到任何帮助。我刚开始学Python，所以可能有些很明显的地方我没注意到。

我有一个数组，叫做S，长得像这样 [x x x] (一维)。然后我用 np.diag(S) 创建了一个对角矩阵 sigma，到这里一切都还好。接下来，我想调整这个新的对角数组的大小，以便能和我手头的另一个数组相乘。

import numpy as np
...
shape = np.shape((6, 6)) #This will be some pre-determined size
sigma = np.diag(S) #diagonalise the matrix - this works
my_sigma = sigma.resize(shape) #Resize the matrix and fill with zeros - returns "None" - why?

可是，当我打印 my_sigma 的内容时，结果却是 "None"。有人能帮我指点一下方向吗？我实在想不明白这怎么会这么复杂。

提前感谢任何帮助！

Casper

图示：

我现在有这个：

[x x x]

我想要这个：

[x 0 0]
[0 x 0]
[0 0 x]
[0 0 0]
[0 0 0]
[0 0 0] - or some similar size, but the diagonal elements are important.

Answer 1

我看到你修改过的内容了……你确实需要先创建零，然后再把一些数字放进去。np.diag_indices_from 可能对你有帮助。

bigger_sigma = np.zeros(shape, dtype=sigma.dtype)
diag_ij = np.diag_indices_from(sigma)
bigger_sigma[diag_ij] = sigma[diag_ij] 

Answer 2

在1.7.0版本的numpy中，有一个新功能叫做 numpy.pad，可以用一行代码来实现这个功能。和其他的回答一样，你可以先用 np.diag 来构造对角矩阵，然后再进行填充。

这里提到的元组 ((0,N),(0,0)) 表示要填充矩阵的“边”。

import numpy as np

A = np.array([1, 2, 3])

N = A.size
B = np.pad(np.diag(A), ((0,N),(0,0)), mode='constant')

B 现在等于：

[[1 0 0]
 [0 2 0]
 [0 0 3]
 [0 0 0]
 [0 0 0]
 [0 0 0]]

Answer 3

sigma.resize() 这个函数返回 None 是因为它是在原地操作，也就是说它直接修改了原来的数据。而 np.resize(sigma, shape) 则会返回一个新的结果，但它不是用零来填充，而是用原数组的重复部分来填充。

另外，shape() 函数返回的是输入数据的形状。如果你只是想预先定义一个形状，可以直接使用一个元组。

import numpy as np
...
shape = (6, 6) #This will be some pre-determined size
sigma = np.diag(S) #diagonalise the matrix - this works
sigma.resize(shape) #Resize the matrix and fill with zeros

不过，这样做会先把你原来的数组“压扁”，然后再按照给定的形状重建，这样会打乱原来的顺序。如果你只是想用零来“填充”，那么不如直接在生成的零矩阵中进行索引，而不是使用 resize()。

# This assumes that you have a 2-dimensional array
zeros = np.zeros(shape, dtype=np.int32)
zeros[:sigma.shape[0], :sigma.shape[1]] = sigma