python - 结合 scipy.optimize.brute 网格和结果

Question

我正在使用 scipy 的强力优化器来计算给定不同输入参数的函数的分数。为了分析结果，我想将结果参数与分数集转储到 csv 中。

我目前拥有的是来自强力优化器的返回值，其文档的形式如下:

返回:
x0 : ndarray
包含目标函数具有最小值的点的坐标的一维数组。 (返回的点请参见注释 1。)
fval : float
x0 点处的函数值。
网格:元组
评估网格的表示。它的长度与 x0 相同。 (当 full_output 为 True 时返回。)
Jout:ndarray
评估网格各点的函数值，即 Jout = func(*grid)。 (当 full_output 为 True 时返回。)

source

我想将“grid”值与“Jout”参数结合起来，形式如下:

[参数1，参数2，参数3，分数1]
[参数1，参数2，参数3，分数2]
...

暴力破解的示例输出是:

     (array([ 0.,  0.,  0.]), -0.96868449202047968, array([[[[0, 0],
     [0, 0]],

    [[1, 1],
     [1, 1]]],


   [[[0, 0],
     [1, 1]],

    [[0, 0],
     [1, 1]]],


   [[[0, 1],
     [0, 1]],

    [[0, 1],
     [0, 1]]]]), array([[[-0.96868449, -0.96868449],
    [-0.96868449, -0.96868449]],

   [[-0.96868449, -0.96868449],
    [-0.96868449, -0.96868449]]]))

我一生都无法弄清楚如何将上面索引 2 中的数组(“网格”)与索引 3 中的数组(“Jout”)组合起来。我的 np 数组 foo 不符合要求。

任何提示或指示都将非常感激，并缓解我过去几个小时沮丧的大脑。

Answer 1

所以你想在grid中堆叠三个(2,2,2)矩阵和(2,2,2)矩阵Jout？ np.stack可能是您所需要的，即:

In [26]: a = np.array([[[[0, 0],
    ...:      [0, 0]],
    ...: 
    ...:     [[1, 1],
    ...:      [1, 1]]],
    ...: 
    ...: 
    ...:    [[[0, 0],
    ...:      [1, 1]],
    ...: 
    ...:     [[0, 0],
    ...:      [1, 1]]],
    ...: 
    ...: 
    ...:    [[[0, 1],
    ...:      [0, 1]],
    ...: 
    ...:     [[0, 1],
    ...:      [0, 1]]]])

In [27]: b = np.array([[[-0.96868449, -0.96868449],
    ...:     [-0.96868449, -0.96868449]],
    ...: 
    ...:    [[-0.96868449, -0.96868449],
    ...:     [-0.96868449, -0.96868449]]])

In [28]: np.stack([*a, b], -1)
Out[28]: 
array([[[[ 0.        ,  0.        ,  0.        , -0.96868449],
         [ 0.        ,  0.        ,  1.        , -0.96868449]],

        [[ 0.        ,  1.        ,  0.        , -0.96868449],
         [ 0.        ,  1.        ,  1.        , -0.96868449]]],


       [[[ 1.        ,  0.        ,  0.        , -0.96868449],
         [ 1.        ,  0.        ,  1.        , -0.96868449]],

        [[ 1.        ,  1.        ,  0.        , -0.96868449],
         [ 1.        ,  1.        ,  1.        , -0.96868449]]]])

In [29]: