在Python的2D数组中输入值

Question

for i in range(limit_1):
    for j in range(limit_2):
        a[i][j]=np.sqrt(np.absolute(b[i])**2+np.absolute(c[j])**2)

是否有其他方法来执行此任务，使用numpy函数？你知道吗

Answer 1

您的原始代码：

limit_1 = 4
limit_2 = 3

import numpy as np
a = np.zeros([limit_1, limit_2])
b = np.array([1, -6, 7, 3])
c = np.array([3, 2, -1])

print("Original:")
for i in range(limit_1):
    for j in range(limit_2):
        a[i][j]=np.sqrt(np.absolute(b[i])**2+np.absolute(c[j])**2)

print(a)

输出：

Original:
[[ 3.16227766  2.23606798  1.41421356]
 [ 6.70820393  6.32455532  6.08276253]
 [ 7.61577311  7.28010989  7.07106781]
 [ 4.24264069  3.60555128  3.16227766]]

以及缩短版：

print("Improved:")
a = np.sqrt(
        np.tile(np.array([b]).transpose(), (1, limit_2)) ** 2 +\
        np.tile(np.array(c).transpose(), (limit_1, 1)) ** 2)

print(a)

输出：

Improved:
[[ 3.16227766  2.23606798  1.41421356]
 [ 6.70820393  6.32455532  6.08276253]
 [ 7.61577311  7.28010989  7.07106781]
 [ 4.24264069  3.60555128  3.16227766]]

---

解释

首先，我们将向量列b拉伸为一个矩阵（然后取它的二次幂）：

>>> np.tile(np.array([b]).transpose(), (1, limit_2))
array([[ 1,  1,  1],
       [-6, -6, -6],
       [ 7,  7,  7],
       [ 3,  3,  3]])

>>> np.tile(np.array([b]).transpose(), (1, limit_2)) ** 2
array([[ 1,  1,  1],
       [36, 36, 36],
       [49, 49, 49],
       [ 9,  9,  9]])

然后我们对行-列c执行相同的操作：

>>> np.tile(np.array(c).transpose(), (limit_1, 1))
array([[ 3,  2, -1],
       [ 3,  2, -1],
       [ 3,  2, -1],
       [ 3,  2, -1]])
>>> np.tile(np.array(c).transpose(), (limit_1, 1)) ** 2
array([[9, 4, 1],
       [9, 4, 1],
       [9, 4, 1],
       [9, 4, 1]])

然后我们把它们相加，计算出根。你知道吗

---

我只使用了平方幂而不是绝对值，但是如果你仍然需要绝对值，你可以用同样的方法。你知道吗

请注意，计算可以更有效地进行，即在平铺阵列之前计算功率，但这种方法对于本文更为清晰）

Answer 2

您可以使用^{}，方法是将b从1D扩展到2D，方法是引入一个新的单态轴作为第二个带有^{}的轴，然后对c执行操作。这将简化那里的事情，也实现了矢量化的方法，就像这样-

np.sqrt(np.abs(b[:,None])**2 + np.abs(c)**2)

正如在其他答案中所讨论的那样，由于平方运算会产生non-negative个数，所以我们可以跳过absolute运算，得到-

np.sqrt(b[:,None]**2 + c**2)

Answer 3

注意，绝对值没有平方的意义，因为n**2和abs(n)**2完全相同。你知道吗

无论哪种方式，使用列表理解：

temp = [math.sqrt(numpy.absolute(x)**2 + numpy.absolute(y)**2) for x in b for y in c]
a = [temp[x:x+limit_2] for x in range(0, len(temp), limit_2)]