我正在将一个Python类转换为MatLab。其中大部分都很简单，但我不太擅长使用Python语法(我很少用到它)。我纠结于以下几点：
# find the basis that will be uncorrelated using the covariance matrix
basis = (sqrt(eigenvalues)[newaxis,:] * eigenvectors).transpose()有没有人能帮我弄清楚等效于MatLab的语法是什么？
我通过Google发现，np.newaxis增加了数组的维度，而transpose非常不言而喻。因此，对于newaxis，在MatLab中使用与cat相关的东西就可以了，但是我真的不清楚Python是如何处理数组tbh的。
1条答案
按热度按时间sr4lhrrt1#
假设
eigenvalues是一个长度为N的一维数组，那么sqrt(eigenvalues)[newaxis,:]将是一个1xN数组。这将转换为sqrt(eigenvalues)或sqrt(eigenvalues).'，具体取决于eigenvalues数组在MATLAB中的方向。然后，
*操作进行广播(在matlab中，这称为单例扩展)。它看起来像是将每个特征向量乘以相应特征值的平方根(假设特征向量是列)。如果在MatLab中计算特征分解，如下所示：
然后你就会这么做：
或
(请注意括号)，因为
eigenvalues是对角矩阵。