creación de matriz numpy con una secuencia

Question

Estoy en mi viaje de transición de MATLAB a scipy (+ numpy) + matplotlib. Sigo teniendo problemas al implementar algunas cosas. Quiero crear una matriz vectorial simple en tres partes diferentes. En MATLAB Me gustaría hacer algo como:

vector=[0.2,1:60,60.8]; 

Esto se traduce en una matriz unidimensional de 62 posiciones. Estoy tratando de implementar esto usando scipy. Lo más cerca que estoy ahora es la siguiente:

a=[[0.2],linspace(1,60,60),[60.8]] 

Sin embargo, esto crea una lista, no una matriz, y por lo tanto no puedo darle forma a una matriz de vectores. Pero entonces, cuando hago esto, me sale un error

a=array([[0.2],linspace(1,60,60),[60.8]]) 
ValueError: setting an array element with a sequence. 

Creo que mi principal obstáculo es que no puedo encontrar la manera de traducir esta simple operación en MATLAB:

a=[1:2:20]; 

a numpy . Sé cómo hacerlo para acceder a las posiciones en una matriz, aunque no al crear una secuencia. ¡Cualquier ayuda será apreciada, gracias!

Answer 1

Bueno NumPy implementa la función de MATLAB matriz de creación, vector, utilizando dos funciones en lugar de uno - cada uno especifica implícitamente un eje en particular a lo largo de la cual concatenación debe ocurrir. Estas funciones son:

• r_ (concatenación de modo de fila) y

• c_ (por columnas)

Así que para su ejemplo , el equivalente de NumPy es:

>>> import numpy as NP 

>>> v = NP.r_[.2, 1:10, 60.8] 

>>> print(v) 
    [ 0.2 1. 2. 3. 4. 5. 6. 7. 8. 9. 60.8] 

La contraparte por columnas es:

>>> NP.c_[.2, 1:10, 60.8] 

rebanada funciona notación como se esperaba [inicio: Parada: paso]:

>>> v = NP.r_[.2, 1:25:7, 60.8] 

>>> v 
    array([ 0.2, 1. , 8. , 15. , 22. , 60.8]) 

Aunque si un número imaginario de utilizado como tercer argumento, la notación de corte se comporta como linspace:

>>> v = NP.r_[.2, 1:25:7j, 60.8] 

>>> v 
    array([ 0.2, 1. , 5. , 9. , 13. , 17. , 21. , 25. , 60.8]) 

De lo contrario, se comporta como arange:

>>> v = NP.r_[.2, 1:25:7, 60.8] 

>>> v 
    array([ 0.2, 1. , 8. , 15. , 22. , 60.8]) 

Answer 2

Usted podría intentar algo como:

a = np.hstack(([0.2],np.linspace(1,60,60),[60.8])) 

Answer 3

si entiendo el MATLAB correctamente, se podría lograr algo como esto usando:

a=np.array([0.2]+list(range(1,61))+[60.8]) 

Pero es probable que haya una mejor manera ... la list(range(1,61)) podría ser range(1,61) si está usando Python 2.X.

Esto funciona creando 3 listas y luego concatenándolas mediante el operador +.

La razón de su intento original no se debe trabajar

a=[ [0.2], np.linspace(1,60,60), [60.8] ] crea una lista de listas - en otras palabras:

a[0] == [0.2] #another list (length 1) 
a[1] == np.linspace(1,60,60) #an array (length 60) 
a[2] == [60.8] #another list (length 1) 

La función array espera un iterable que es una secuencia, o una secuencia de secuencias que tienen la misma longitud.

Answer 4

np.concatenate([[.2], linspace(1,60,60), [60.8]]) 

Answer 5

Hace arange(0.2,60.8,0.2) hacer lo que desea?

http://docs.scipy.org/doc/numpy/reference/generated/numpy.arange.html

Answer 6

de alguna manera como la idea de la construcción de estos rangos segmentados que usted ha mencionado. Si los usa mucho, tal vez una pequeña función como

import numpy as np 

def segrange(*args): 
    result = [] 
    for arg in args: 
     if hasattr(arg,'__iter__'): 
      result.append(range(*arg)) 
     else: 
      result.append([arg]) 
    return np.concatenate(result) 

que le da

>>> segrange(1., (2,5), (5,10,2)) 
[ 1. 2. 3. 4. 5. 7. 9.] 

sería bueno tener. Aunque, probablemente iría por la respuesta usando concatenate/hstack.

Answer 7

Eche un vistazo a np.r_.Básicamente es equivalente a lo que todos han sugerido, pero si vienes de matlab, es un poco más intuitivo (y si vienes de cualquier otro idioma, es un poco contra-intuitivo).

Como ejemplo, vector=[0.2,1:60,60.8]; se traduce en:

vector = np.r_[0.2, 1:61, 60.8] 

Answer 8

Sólo quiero señalar a cualquier otro pueblo que van de MATLAB para Numpy que se puede construir una matriz np.r_ con dos puntos y luego úsela al índice

Por ejemplo, si tiene en Matlab

arr_ones = ones(10,10) 

O en Numpy

arr_ones = np.ones([10,10]) 

Se podría en Matlab toma sólo las columnas 1 a 5, así como 7 así:

arr_ones(:,[1:5 7]) 

Hacer lo mismo en Numpy no es (al menos para mí) intuitivo. Esto le dará una "sintaxis no válida" error:

arr_ones[:,[1:5,7]] 

Sin embargo, esto funciona:

inds = np.r[1:5,] 
arr_ones[:,inds] 

Sé que esto no es técnicamente una nueva respuesta, pero con dos puntos para construir una matriz para indexar en una matriz parece tan natural en Matlab, estoy apostando a que muchas personas que vengan a esta página querrán saber esto. (Vine aquí en lugar de hacer una nueva pregunta.)