Python: cambiar el tamaño de una matriz existente y llenar con ceros

Question

Creo que mi problema debería ser muy simple, sin embargo, no puedo encontrar ninguna ayuda en Internet en absoluto. Soy muy nuevo en Python, por lo que es posible que Me falta algo muy obvio.

Tengo una matriz, S, como esta [x x x] (one-dimensional). Ahora creo una matriz diagonal , sigma, con np.diag(S) - hasta ahora, muy bien. Ahora, quiero redimensionar esta nueva matriz diagonal para que pueda multiplicarla por otra matriz que tenga .

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? 

Sin embargo, al imprimir el contenido de my_sigma, me sale "None". ¿Puede alguien por favor señalarme en la dirección correcta, porque no puedo imaginar que esto debería ser tan complicado.

¡Gracias de antemano por cualquier ayuda!

Casper

gráfica:

tengo esto:

[x x x] 

quiero esto:

[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() vuelve None porque opera en el lugar. np.resize(sigma, shape), por otro lado, devuelve el resultado pero en lugar de relleno con ceros, almohadillas con repeticiones de la matriz.

Además, la función shape() devuelve la forma de la entrada. Si solo quieres predefinir una forma, solo usa una tupla.

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 

Sin embargo, esto va primero aplanar su matriz original, y luego reconstruirlo en la forma dada, destruyendo el orden original. Si solo desea "rellenar" con ceros, en lugar de usar resize(), puede indexar directamente en una matriz cero generada.

# 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

Veo la edición ... tienes que crear los ceros primero y luego mover algunos números dentro. np.diag_indices_from podría ser útil para usted

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

Answer 3

hay una nueva función numpy en la versión 1.7.0 numpy.pad que puede hacer esto en una sola línea. Al igual que las otras respuestas, puede construir la matriz diagonal con np.diag antes del relleno. La tupla ((0,N),(0,0)) utilizada en esta respuesta indica el "lado" de la matriz que se debe rellenar.

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 es ahora igual a:

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

Answer 4

Otra solución pitón puro es

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 es ahora

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

es una solución horrible, me quedo admitir t sombrero. Sin embargo, ilustra algunas funciones del tipo list que se pueden usar.

Answer 5

Esta solución funciona con resize función

Tomar una matriz de muestras

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

""" 

Este dosent trabajo, sólo tiene que añadir un archivo de valores que se repiten

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.]]) 
""" 

Este lo hace trabajo

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.]] 
"""