Python: изменить размер существующего массива и заполнить нулями

Question

Я думаю, что моя проблема должна быть очень простой, но я не могу найти никакой помощи в Интернете. Я очень новичок в Python, так что возможно, что Мне не хватает чего-то очень очевидного.

У меня есть массив, S, вот так [x x x] (one-dimensional). Теперь я создаю диагональную матрицу , sigma, с np.diag(S) - пока что так хорошо. Теперь я хочу, чтобы изменил размер этого нового диагонального массива, чтобы я мог умножить его на другой массив, который у меня есть .

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? 

Однако, когда я печатаю содержание my_sigma, я получаю "None". Может кто-то пожалуйста указать мне в правильном направлении, потому что я не могу себе представить, что это должно быть так сложно.

Заранее благодарим за любую помощь!

Casper

Графический:

У меня есть это:

[x x x] 

Я хочу это:

[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

sigma.resize() возвращается None, потому что он работает на месте. np.resize(sigma, shape), с другой стороны, возвращает результат, но вместо заполнения с нулями, это прокладки с повторами массива.

Кроме того, функция shape() возвращает форму ввода. Если вы просто хотите предопределить форму, просто используйте кортеж.

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 

Однако, это будет первый расплющить исходный массив, а затем восстановить его в заданную форму, разрушая первоначальный порядок. Если вы просто хотите «заполнить» нулями, вместо того, чтобы использовать resize(), вы можете просто напрямую индексировать в сгенерированную нулевую матрицу.

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

Answer 2

Я вижу редактирование ... вам нужно сначала создать нули, а затем переместить в него некоторые числа. np.diag_indices_from может быть полезным для вас

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

Answer 3

Существует новая функция NumPy в версии 1.7.0 numpy.pad, что может сделать это в одной строке. Как и другие ответы, вы можете построить диагональную матрицу с np.diag перед заполнением. Кортеж ((0,N),(0,0)), используемый в этом ответе, указывает «сторону» матрицы, которую нужно наложить.

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 теперь равна:

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

Answer 4

Другой раствор чистого питона

a = [1, 2, 3] 
b = [] 
for i in range(6): 
    b.append((([0] * i) + a[i:i+1] + ([0] * (len(a) - 1 - i)))[:len(a)]) 

b теперь

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

это отвратительное решение, я буду признать t шапка. Однако он иллюстрирует некоторые функции типа list, которые могут использоваться.

Answer 5

Это решение работает с resize функции

Возьмите массив образец

S= np.ones((3)) 
print (S) 
# [ 1. 1. 1.] 
d= np.diag(S) 
print(d) 
""" 
[[ 1. 0. 0.] 
[ 0. 1. 0.] 
[ 0. 0. 1.]] 

""" 

Это доцент работы, это просто добавить повторяющиеся значения

np.resize(d,(6,3)) 
""" 
adds a repeating value 
array([[ 1., 0., 0.], 
     [ 0., 1., 0.], 
     [ 0., 0., 1.], 
     [ 1., 0., 0.], 
     [ 0., 1., 0.], 
     [ 0., 0., 1.]]) 
""" 

Это делает работы

d.resize((6,3),refcheck=False) 
print(d) 
""" 
[[ 1. 0. 0.] 
[ 0. 1. 0.] 
[ 0. 0. 1.] 
[ 0. 0. 0.] 
[ 0. 0. 0.] 
[ 0. 0. 0.]] 
"""