我正在尝试使用 numpy
(此处为 python 新手)执行以下操作
创建一个维数为零的矩阵
num_rows = 80
num_cols = 23
A = numpy.zeros(shape=(num_rows, num_cols))
对矩阵进行操作
k = 5
numpy.transpose(A)
U,s,V = linalg.svd(A)
提取子矩阵
sk = s[0:(k-1), 0:(k-1)]
错误结果
Traceback (most recent call last):
File "tdm2svd.py", line 40, in <module>
sk = s[0:(k-1), 0:(k-1)]
IndexError: too many indices
我做错了什么?
最佳答案
回答你的问题 s 只是一个一维数组......(即使你确实转置了它......你没有)
>>> u,s,v = linalg.svd(A)
>>> s
array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
>>>
用于选择子矩阵 我认为这可以满足您的需求……可能有更好的方法
>>> rows = range(10,15)
>>> cols = range(5,8)
>>> A[rows][:,cols]
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]])
或者可能更好
>>> A[15:32, 2:7]
array([[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0.]])
关于python - 使用 numpy 获取子矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13737109/