- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我注意到 Matlab 和 Octave 中的各种情况,其中函数接受矩阵和向量,但对向量的处理与对矩阵的处理不同。
这可能会令人沮丧,因为当您输入一个行数/列数可变的矩阵时,它可能会被解释为一个向量,并在高度/宽度为 1 时做一些您不期望的事情,这使得调试变得困难并且很奇怪条件边界情况。
我会列出一些我发现的,但我很好奇其他人遇到了什么
(注意:我只是在寻找代码接受矩阵作为有效输入的情况。任何在给出非向量矩阵作为参数时引发异常的都不算数)
1)“diag”可用于表示矩阵的对角线或将向量转换为对角矩阵
由于前者通常仅用于方矩阵,这在 matlab 中并不是那么令人震惊,但在 Octave 中,当 Octave interperets 一个以非零元素开头且其他所有元素都为零的向量作为“对角矩阵”时,它可能特别痛苦即
t=eye(3);
size(diag(t(:,3))) == [3,3]
size(diag(t(:,2))) == [3,3]
size(diag(t(:,1))) == [1,1]
2) 用逻辑索引到一个行向量中返回一个行向量
使用逻辑索引到任何其他内容都会返回一个列向量
a = 1:3;
b = true(1,3);
size(a(b)) == [1, 3]
a = [a; a];
b = [b; b];
size(a(b)) == [6, 1]
3) 使用索引向量 i 对向量 v 进行索引会返回与 v 具有相同(行/列)类型的向量。但是如果 v 或 i 是矩阵,则返回值的大小与 i 相同。
a = 1:3;
b = a';
size(a(b)) == [1, 3]
b = [b,b];
size(a(b)) == [3, 2]
4) max、min、sum 等分别对矩阵 M 的列进行运算,除非 M 为 1xn,在这种情况下,它们将 M 作为单个行向量进行运算
a = 1:3
size(max(a)) == [1, 1]
a = [a;a]
size(max(a)) == [1, 3]
max 特别糟糕,因为它甚至不能将维度作为参数(与 sum 不同)
在编写octave/matlab代码时还应该注意哪些此类情况?
最佳答案
每种语言都有自己的概念。这种语言的一个重点是经常将矩阵视为向量数组,每一列一个条目。那时事情就会开始变得有意义了。如果您不想要这种行为,请使用 matrix(:)
作为那些将传递单个向量而不是矩阵的函数的参数。例如:
octave> a = magic (5);
octave> max (a)
ans =
23 24 25 21 22
octave> max (a(:))
ans = 25
1) 至少 Octave 3.6.4 不是这样。我不是 100% 确定,但可能与 this bug 有关已经修复了。
2) 如果您使用 bool 值进行索引,它将被视为掩码并被视为掩码。如果您使用非 bool 值进行索引,那么它将被视为值的索引。这对我来说非常有意义。
3) 这不是真的。返回的索引始终具有相同的大小,无论它是矩阵还是向量都是独立的。唯一的异常(exception)是,如果索引是向量,则输出将是单行。这个想法是,使用单个向量/矩阵进行索引会返回相同大小的内容:
octave> a = 4:7
a =
4 5 6 7
octave> a([1 1])
ans =
4 4
octave> a([1 3])
ans =
4 6
octave> a([1 3; 3 1])
ans =
4 6
6 4
4) max
至少在 Octave 中确实将维度作为参数。来自 max
的 3.6.4 帮助文本:
For a vector argument, return the maximum value. For a matrix argument, return the maximum value from each column, as a row vector, or over the dimension DIM if defined, in which case Y should be set to the empty matrix (it's ignored otherwise).
其余部分适用,就像我在介绍中所说的那样。如果您提供一个矩阵,它会将每一列视为一个数据集。
关于matlab - Octave 和 Matlab "wat"矩阵/向量不一致,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16113121/
我想用一个向量执行以下操作。 a = np.array(np.arange(0, 4, 1)) 我想得到一个乘法,结果是一个矩阵 | 0 1 2 3 4 -| - - - - - - - 0
正如标题所述,我正在尝试使用 gsub,其中我使用向量作为“模式”和“替换”。目前,我的代码如下所示: names(x1) names(x1) [1] "2110023264A.Ms.Amp
所以当我需要做一些线性代数时,我更容易将向量视为列向量。因此,我更喜欢 (n,1) 这样的形状。 形状 (n,) 和 (n,1) 之间是否存在显着的内存使用差异? 什么是首选方式? 以及如何将 (n,
我不明白为什么 seq() 可以根据元素中是否存在小数点输出不同的类,而 c() 总是创建一个 num向量,无论是否存在小数。 例如: seqDec <- seq(1, 2, 0.5) # num v
机器学习与传统编程的一个重要区别在于机器学习比传统编程涉及了更多的数学知识。不过,随着机器学习的飞速发展,各种框架应运而生,在数据分析等应用中使用机器学习时,使用现成的库和框架成为常态,似乎越来越不需
寻找有关如何将 RegEnable 用作向量的示例/建议。此外,我想控制输入和使能信号成为 Vector 中寄存器索引的函数。 首先,我如何声明 RegEnable() 的 Vector,其次如何迭代
假设我有一个包含变量名称的向量 v1,我想为每个变量分配一个值(存储在单独的向量中)。我如何在没有迭代的情况下做到这一点? v1 <- c("a","b","c") v2 <- c(1,2,3) 我想
R 提供了三种类型来存储同质对象列表:向量、矩阵 和数组。 据我所知: 向量是一维数组的特殊情况 矩阵是二维数组的特例 数组还可以具有任意维度级别(包括 1 和 2)。 在向量上使用一维数组和在矩阵上
我正在绕着numpy/scipy中的所有选项转圈。点积、乘法、matmul、tensordot、einsum 等 我想将一维向量与二维矩阵(这将是稀疏csr)相乘并对结果求和,这样我就有了一个一维向量
我是一个 IDL 用户,正在慢慢切换到 numpy/scipy,并且有一个操作我在 IDL 中非常经常做,但无法用 numpy 重现: IDL> a = [2., 4] IDL> b = [3., 5
在python计算机图形工具包中,有一个vec3类型用于表示三分量向量,但是我如何进行以下乘法: 三分量向量乘以其转置结果得到 3*3 矩阵,如下例所示: a = vec3(1,1,1) matrix
我正在构建一款小型太空射击游戏。当涉及到空间物理学时,我曾经遇到过数学问题。 用文字描述如下:有一个最大速度。因此,如果您全速行驶,您的飞船将在屏幕上一遍又一遍地移动,就像在旧的小行星游戏中一样。如果
我正在尝试在 python 中实现 Vector3 类。如果我用 c++ 或 c# 编写 Vector3 类,我会将 X、Y 和 Z 成员存储为 float ,但在 python 中,我读到鸭式是要走
我是 Spark 和 Scala 的新手,我正在尝试阅读有关 MLlib 的文档。 http://spark.apache.org/docs/1.4.0/mllib-data-types.html上的
我有一个包含四个逻辑向量的数据框, v1 , v2 , v3 , v4 是对还是错。我需要根据 boolean 向量的组合对数据帧的每一行进行分类(例如, "None" , "v1 only" , "
我正在创建一个可视化来说明主成分分析的工作原理,方法是绘制一些实际数据的特征值(为了说明的目的,我将子集化为二维)。 我想要来自 this fantastic PCA tutorial 的这两个图的组
我有以下排序向量: > v [1] -1 0 1 2 4 5 2 3 4 5 7 8 5 6 7 8 10 11 如何在不遍历整个向量的情况下删除 -1、0 和 11
有什么方法可以让 R 对向量和其他序列数据结构使用基于零的索引,例如在 C 和 python 中。 我们有一些代码在 C 中进行一些数值处理,我们正在考虑将其移植到 R 中以利用其先进的统计功能,但是
我有一个函数可以查询我的数据库中最近的 X 个条目,它返回一个 map 向量,如下所示: [{:itemID "item1" :category "stuff" :price 5} {:itemI
我有 ([[AA ww me bl qw 100] [AA ee rr aa aa 100] [AA qq rr aa aa 90]] [[CC ww me bl qw 100] [CC ee rr
我是一名优秀的程序员,十分优秀!