制作具有相似维度的二维数组时的意外行为答案

【问题标题】：Unexpected behavour when making array of 2D arrays, of similar dimension制作具有相似维度的二维数组时的意外行为
【发布时间】：2014-02-14 00:53:31
【问题描述】：

MWE：

def showArrayOfList(a,b,c):
    wlist = [np.zeros((szNext,szThis)) for (szThis,szNext) in [(a,b),(b,b),(b,b),(b,c)]]

    print "wlist:", map(np.shape,wlist)

    wArray = np.asarray(wlist)
    print "wArray:", map(np.shape,wArray)
    print "shape wArray:", shape(wArray)

np.zeros 可以替换任何其他返回给定形状的矩阵的矩阵函数

以下输出是我所期望（并得到）的：

In[1]: ShowArrayOfList(1,4,5)
Out[1]: wlist: [(4, 1), (4, 4), (4, 4), (5, 4)]
wArray: [(4, 1), (4, 4), (4, 4), (5, 4)]
shape wArray: (4,) #An array of 4 references(?), to arrays of various sizes

In[2]: ShowArrayOfList(5,5,5)
Out[2]: wlist: [(5, 5), (5, 5), (5, 5), (5, 5)]
wArray: [(5, 5), (5, 5), (5, 5), (5, 5)]
shape wArray: (4, 5, 5) #4 arrays of shape (5,5)

但对于a!=b 和b==c 形式的输入，情况完全不同

Int[3]: showArrayOfList(6,5,5)
Out[3]: wlist: [(5, 6), (5, 5), (5, 5), (5, 5)]
wArray: [(5,), (5,), (5,), (5,)] #Where did my second Dimension Go?
shape wArray: (4, 5)


Int[4]: showArrayOfList(2,4,4)
Out[4]:
wlist: [(4, 2), (4, 4), (4, 4), (4, 4)]
wArray: [(4,), (4,), (4,), (4,)] #Where did my second Dimension Go?
shape wArray: (4, 4)

这导致我很难找到错误，稍微想了想，我觉得这和广播系统有关。

我想知道发生了什么，解释一下。（我脑子里有一个模糊的概念）

作为参考，我制作数组数组的原因是为了减法：
wArray=wArray-dWs 比
wList=[w-dW, (w,dW) in zip(wList,dWs)] 更易读

【问题讨论】：

在版本1.9.0dev 中，最后两种情况下的wArray 是None 的数组。如果我以交互方式尝试它，我会得到ValueError: could not broadcast input array from shape (5,5) into shape (5)。无论这是否是我的版本中的错误，这都不是构造数组的可靠方法。我认为wArray 应该始终具有(4,) 的形状，而不管a,b,c。有时不是 2d 或 3d。

标签： python arrays numpy multidimensional-array jagged-arrays

【解决方案1】：

简单地打印出数组应该很快就能让你看到发生了什么。

关于最后一个维度去哪里的问题。由于该维度的大小具有可变长度。 Numpy 不会为它创建一个新维度，它只会创建一个不同长度的对象数组（其中对象是一个列表）。

在showArrayOfList(2,4,4) 的情况下，您的数组如下所示：

第一行：
[array([ 0., 0.]) array([ 0., 0.]) array([ 0., 0.]) array([ 0., 0.])]

第二到第四行：
[array([ 0., 0., 0., 0.]) array([ 0., 0., 0., 0.]) array([ 0., 0., 0., 0.]) array([ 0., 0., 0., 0.])]

【讨论】：

【解决方案2】：

创建wArray 的更一致的方法是将其初始化为(4,) 对象数组，并逐项填充：

n = len(wlist)
wArray = np.empty((n,), dtype='O')
for i in range(n):
    wArray[i] = wlist[i]

这不如 asarray(wlist) 漂亮，但不管 a,b,c 是什么，它都以相同的 1,2 方式拆分 3 个维度。

【讨论】：