Skip to main content
 首页 » 编程设计

python之在 Python 中将序列重新用作列表的一部分

2024年11月01日10exmyth

我有一个列表(实际上我想让它成为一个 1D numpy 数组),它的第一个和最后一个元素将保持不变,但它的其他元素是优化的对象,即经常改变并且需要在一个单独的变量(因为 scipy.optimize.leastsq() 需要那样)。 所以我有这段代码将常量“外部”元素与变化的元素放在一起:

b_0 = 1      # this will stay constant 
b_n = 10     # this as well 
 
def _b(b_0, b_n, b_in): 
    import numpy as np             
    b = np.zeros((b_inner.shape[0]+2)) 
    b[0] = b_0 
    b[-1] = b_n 
    b[1:-1] = b_in 
    return(b) 
 
>>> b_in = range(2,10) 
>>> _b(b_0, b_n, b_in)   #returns array([1,2,3,4,5,6,7,8,9,10]) 

这对我来说看起来很不优雅,我相信一定有一种方法可以在定义的一行中做到这一点

b = np.array([b_0, somefunction(b_in), b_n]) 

作为背景,我需要这个,因为我有一个 leastsq 的错误函数,它采用一维数组,其中只有内部元素被优化。我将上面的结果提供给 lambda 函数,连同其他参数提供给错误函数,这样我就可以只将更改为 leastsq 的内容传递给 leastsq:

err_func = lambda b_in: error_function(_b(b_0,b_n,b_in), other_parameters) 
 
b_in_0 = range(2,10)   # starting guess 
target = scipy.optimize.leastsq(err_func, b_in_0) 

因为我对不同类型的优化使用相同的误差函数(该函数可以适应不同的方面和不同类型的约束),我不想为特定目的重写误差函数.

请您参考如下方法:

我认为np.r_可能是你要找的。您可以使用 np.r_[b_0, somefunction(b_in), b_n],例如:

np.r_[12, np.arange(5), 13] 
# array([12,  0,  1,  2,  3,  4,  5, 13])