我必須寫這個函數： 其中 x 是一個維度為 [150,2] 的向量，c 是 [N,2]（假設 N=20）。從每個分量 xi (i=1,2) 我必須以這種方式減去 c 的分量 ([x11-c11,x12-c12])...([x11-cN1, x12-cN2]) 對于所有的150 個樣品。我以一種具有相同維度的方式對它們進行了轉換，并且可以減去它們，但是函數的結果應該是一個向量。也許我怎么能用 numpy 寫這個？謝謝 好的，讓我們假設 x=(5,2) 和 c=(3,2)這是我獲得的兩個數組的轉換維度。問題是，我必須這樣做，但是使用“for 循環”迭代，因為 exp 函數應該給我一個向量。所以我必須獲得一種分為 N 塊的矩陣。
2 回答
慕蓋茨4494581
TA貢獻1850條經驗 獲得超11個贊
根據我對這個問題的理解，問題似乎在于您計算向量范數的方式，而不是減法。使用您的示例，但計算exp(-||x-c||)，請嘗試：
x = np.linspace(8,17,10).reshape((5,2))
c = np.linspace(1,6,6).reshape((3,2))
sub = np.linalg.norm(x[:,None] - c, axis=-1)
np.exp(-sub)
array([[ 5.02000299e-05, 8.49325705e-04, 1.43695961e-02],
[ 2.96711024e-06, 5.02000299e-05, 8.49325705e-04],
[ 1.75373266e-07, 2.96711024e-06, 5.02000299e-05],
[ 1.03655678e-08, 1.75373266e-07, 2.96711024e-06],
[ 6.12664624e-10, 1.03655678e-08, 1.75373266e-07]])
np.exp(-sub).shape
(5, 3)
numpy.linalg.norm 將嘗試在其輸入的所有維度上返回某種矩陣范數，除非您明確告訴它哪個軸代表向量分量。
慕田峪4524236
TA貢獻1875條經驗 獲得超5個贊
我明白了，試試這是否給出了預期的結果，但仍然存在結果具有相同形狀的問題x：
import numpy as np
x = np.arange(10).reshape(5,2)
c = np.arange(6).reshape(3,2)
c_col_sum = np.sum(c, axis=0)
for (h,k), value in np.ndenumerate(x):
x[h,k] = c.shape[0] * x[h,k] - c_col_sum[k]
最初x是：
[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
并且c是：
[[0 1]
[2 3]
[4 5]]
之后函數x變成：
[[-6 -6]
[ 0 0]
[ 6 6]
[12 12]
[18 18]]
添加回答
舉報
0/150
提交
取消