numpy soustraire chaque ligne de matrice par vecteur
, Donc j'ai un n x d matrice et un n x 1 vecteur. J'essaie d'écrire un code pour soustraire chaque ligne de la matrice par le vecteur.
J'ai actuellement un for boucle qui parcourt et soustrait la i-ème ligne de la matrice par le vecteur. Existe-t-il un moyen de simplement soustraire une matrice entière par le vecteur?
Merci!
Code actuel:
for i in xrange( len( X1 ) ):
X[i,:] = X1[i,:] - X2
C'est là X1 est la matrice de i-ième ligne et de la X2 est un vecteur. Puis-je faire en sorte que je n'ai pas besoin d'un for boucle?
2 réponses
Cela fonctionne dans numpy mais seulement si les axes de fin ont la même dimension . Voici un exemple de soustraction réussie d'un vecteur d'une matrice:
In [27]: print m; m.shape
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
Out[27]: (4, 3)
In [28]: print v; v.shape
[0 1 2]
Out[28]: (3,)
In [29]: m - v
Out[29]:
array([[0, 0, 0],
[3, 3, 3],
[6, 6, 6],
[9, 9, 9]])
Cela a fonctionné parce que l'axe de fuite des deux avait la même dimension (3).
Dans votre cas, les axes principaux avaient la même dimension. Voici un exemple, en utilisant le même v que ci-dessus, de la façon dont cela peut être corrigé:
In [35]: print m; m.shape
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Out[35]: (3, 4)
In [36]: (m.transpose() - v).transpose()
Out[36]:
array([[0, 1, 2, 3],
[3, 4, 5, 6],
[6, 7, 8, 9]])
Les règles pour les axes de diffusion sont expliquées en profondeur ici.
En plus de la réponse @John1024," transposer " un vecteur unidimensionnel dans numpy peut être fait comme ceci:
In [1]: v = np.arange(3)
In [2]: v
Out[2]: array([0, 1, 2])
In [3]: v = v[:, np.newaxis]
In [4]: v
Out[4]:
array([[0],
[1],
[2]])
À partir de là, soustraire v de chaque colonne de m est trivial en utilisant la diffusion:
In [5]: print(m)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
In [6]: m - v
Out[6]:
array([[0, 1, 2, 3],
[3, 4, 5, 6],
[6, 7, 8, 9]])