将二维数组加在一起的数字运算

Question

我正在尝试创建一个对2-D矩阵求幂的函数，并将结果保存在3D数组中，其中第一个维度是对指数进行索引。这很重要，因为我要对矩阵求幂的行表示有关图上不同顶点的信息。因此，例如，如果我们有A，A ^ 2，A ^ 3，则每个形状都是（50,50），而我想要一个矩阵D =（3,50,50），这样我就可以得到D [：，1 ,: ]检索有关节点1的所有信息，并能够对其进行矩阵乘法。我的代码当前为

def expo(times,A,n):
    temp = A;
    result = csr_matrix.toarray(temp)
    for i in range(0,times):
        temp = np.dot(temp,A)
        if i == 0:
            result = np.array([result,csr_matrix.toarray(temp)]) # this creates a (2,50,50) array
        if i > 0:
            result = np.append(result,csr_matrix.toarray(temp),axis=0) # this does not work
    return result

但是，这不起作用，因为在“ i> 0”情况下，临时数组的形状为（50,50），并且无法附加。我不确定如何进行这项工作，但我对Numpy中的维度感到困惑，例如为什么有时认为（50,1）而其他时候认为（50，）。任何人都可以帮助我使此代码正常工作，并在Numpy中一般性地解释如何完成这些事情？

Answer 1

文档参考

如果要在numpy中堆叠矩阵，则可以使用stack function。如果您还希望索引对应于指数，则可能要在输出的开头添加一个单位矩阵：

MWE

stack

评论

如您所见，我们首先简单地创建矩阵列表，然后在最后将它们转换为数组。我不确定您是否真的需要3D数组，因为您也可以仅索引已创建的列表，但是这取决于您的用例（是否方便）。

我想许多numpy函数的

import numpy as np

def expo(A, n):
    result =[np.eye(len(A)), A,]
    for _ in range(n-1):
        result.append(result[-1].dot(A))

    return np.stack(result, axis=0) 
    # If you do not really need the 3D array, 
    # you could also just return the list


result = expo(np.array([[1,-2],[-2,1]]), 3)
print(result)
# [[[  1.   0.]
#   [  0.   1.]]
#
#  [[  1.  -2.]
#   [ -2.   1.]]
#
#  [[  5.  -4.]
#   [ -4.   5.]]
#
#  [[ 13. -14.]
#   [-14.  13.]]]

print(result[1])
# [[ 1. -2.]
#  [-2.  1.]]

关键字参数起初可能会令人困惑，但是文档通常包含很好的示例，并且结合了相同的尝试和错误，应该会使您大为受益。例如，对于axis，第一个示例确实正是您想要执行的操作。