作为我开始在 python 中使用数字代码之前的一个小练习,我正在尝试制作一个 LDLT 算法。只是为了“弄湿脚”。
但是我似乎对 numpy 数组缺乏基本的了解。请参阅以下示例:
def ldlt(Matrix):
import numpy
(NRow, NCol) = Matrix.shape
for col in range(NCol):
Tmp = 1/Matrix[col,col]
for D in range(col+1, NCol):
Matrix[col,D] = Matrix[D,col]*Tmp
if __name__ == '__main__':
import numpy
A = numpy.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
ldlt(A)
该示例不是我正在处理的完整代码。但是,尝试运行它,并在 Matrix[col,D] = ... 处设置一个断点
我对第一次评估的期望是第 0 行第 1 列(起始值为 -1)设置为 = -1*(1/2) = -0.5。
然而,当运行代码时,它似乎被设置为 0。为什么? 一定有一些基本的东西我还没有真正理解吗?
在此先感谢大家对我的帮助。
编辑 1:
Python 版本:3.3 Tmp.: 变为 0.5(由我的调试器报告)。
最佳答案
以下可能会显示正在发生的事情:
>>> A = np.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
>>> A.dtype
dtype('int32')
>>> A[0, 1]
-1
>>> A[0, 1] * 0.5
-0.5
>>> A[0, 1] *= 0.5
>>> A[0, 1]
0
>>> int(-0.5)
0
您的数组只能容纳 32 位整数,因此您尝试分配给它的任何浮点值都将被强制转换(即截断)为 int32。
以同样的价格,这里有一个更 numpythonic 的方法来做你想要的事情:通常要避免 for 循环,因为它们破坏了 numpy 的全部目的:
def ldlt_np(arr) :
rows, cols = arr.shape
tmp = 1 / np.diag(arr) # this is a float array
mask = np.tril_indices(cols)
ret = arr * tmp[:, None] # this will also be a float array
ret[mask] = arr[mask]
return ret
>>> A = np.array([[2,-1,0],[-1,2,-1],[0,-1,2]])
>>> ldlt_np(A)
array([[ 2. , -0.5, 0. ],
[-1. , 2. , -0.5],
[ 0. , -1. , 2. ]])
关于python - 基本 Numpy 数组值赋值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15028606/