如何将 Numpy Eig 与 Python Lambda 函数一起使用？

Posted 2023-04-18

【中文标题】如何将 Numpy Eig 与 Python Lambda 函数一起使用？

【英文标题】：How to use Numpy Eig with Python Lambda function?

【发布时间】：2021-06-22 01:54:49

【问题描述】：

我可以将 lambda 函数与 numpy 的 eig 函数一起使用吗？

测试题：

import numpy as np
class c1:
    def __init__(self):
        self.mat1 = lambda num1:np.array([[num1,2],[3,4]])
        self.mat2 = np.array([[1,2],[3,4]])
        self.eigVal, self.eigVec = lambda num1:np.linalg.eig(self.mat2+self.mat1(num1))
    def func1(self):
        print(self.mat1(10))
        print(self.eigVal(10))
c1().func1()       

错误是TypeError: cannot unpack non-iterable function object。

【问题讨论】：

lambda 是一个函数，当你调用它时，会生成一个包含两个数组的数组。你不能直接在课堂上解压，但你可以做类似self.eigFunc = lambda num1: np.linalg.eig(self.mat2 + self.mat1(num1)) 的事情，然后在以后解压结果eigval, eigvec = self.eigFunc(10)

有趣的是，answer 说您可以使用 lambda 返回两个值。但在我的例子中，我不能。当我采纳你的建议时，它的工作。谢谢。

lambda 调用时可以返回 2 个值，但 lambda 本身是一个对象。

谢谢，@hpaulj。现在我理解了lambda的不可迭代结构，因为我从下面的代码中得到了错误。 self.eigFunc = lambda num1: np.linalg.eig(self.mat1(num1)); self.eigenVal = lambda num1 : self.eigFunc(num1)

【参考方案1】：

此代码将获取每个矩阵的特征值和特征向量：

import numpy as np

class c1:
    def __init__(self):
        self.mat1 = np.array([[11,21],[31,41]])
        self.mat2 = np.array([[1,2],[3,4]])
        
        mat1_vals, mat2_vals = list(map(lambda mat: np.linalg.eig(mat), [self.mat1, self.mat2]))
        
        self.eigVal = [mat1_vals[0], mat2_vals[0]]
        self.eigVec = [mat1_vals[1], mat2_vals[1]]
        
        print('Eig Vals: ', self.eigVal)
        print('Eig Vecs:', self.eigVec)

if __name__=='__main__':
    c1()

输出

Eig Vals:  [array([-3.59729717, 55.59729717]), array([-0.37228132,  5.37228132])]
Eig Vecs: [array([[-0.82111408, -0.42601354],
       [ 0.57076411, -0.90471679]]), array([[-0.82456484, -0.41597356],
       [ 0.56576746, -0.90937671]])]

需要注意的是，您必须在某些iterable 对象上map lambda 函数，然后将map 对象转换为可迭代才能使用它。

干杯。

【讨论】：

感谢您的回答。据我所知，没有任何简单的方法可以用 lambda 函数递归调用 eig 函数。我的意思是，我的基本代码有 NxN 矩阵。

不客气，希望对您有所帮助，但我真的不明白在这种情况下recursively 是什么意思。在这种情况下，您的限制是什么？我的意思是执行时间还是可读性或内存资源？您应该在问题中解释所有这些，因为它不是很清楚。

在您的回答中，self.mat1 是不变的，但在我的问题中，我尝试将 lambda 放在 self.mat1 的第一个元素中。我想要的是编写一个 lambda 函数，它取决于 self.mat1 矩阵的第一个值，然后我想找到 self.mat 矩阵的特征值。我说recursively，因为我为self.mat1 定义了一个lambda 函数，然后我尝试创建一个调用另一个lambda 函数的lambda 函数。不是递归的意思吗？

Recursive 表示您在侧函数x 本身中调用函数x，在您的情况下self.mat1 在__init__ 的第一行创建，然后在第3 行您尝试将新创建的lambda 再次分配给两个变量self.eigVal 和self.eigVec，但失败了。然后在整数10 上调用c1::func1 方法。我真的没有在这里看到递归，对不起。此外，要使用递归，您必须定义停止条件，以防止代码中也缺少无限递归。

哦，我明白了。再次感谢您的解释。

【参考方案2】：

感谢@pietro。这个comment给出了解决方案。

这是我的工作解决方案。

import numpy as np
class c1:
    def __init__(self):
        self.mat1 = lambda num1:np.array([[num1,2],[3,4]])
        self.mat2 = np.array([[1,2],[3,4]])
        self.eigFunc = lambda num1: np.linalg.eig(self.mat2 + self.mat1(num1))
    def func1(self):
        eigval, eigvec = self.eigFunc(10)
        print(eigval)
c1().func1()