For loop Python-来自Matlab
我开始用Python编写代码，我来自Matlab背景。我在尝试执行for循环时遇到了问题。
这是我来自的for循环，
ix = indoor(1);
idx = indoor(2)-indoor(1);
%Initialize X apply I.C
X = [ix;idx];
for k=(1:1:287)
X(:,k+1) = Abest*X(:,k) + Bbest*outdoor(k+1) + B1best* (cbest4/cbest1);
end在此代码中，Abest是2x2矩阵，Bbest是2x1矩阵，outdoor是288x1向量，B1best是2x1矩阵。可以使用矩阵表达式命令从函数中找到矩阵。c4和c1是之前定义的术语，常量。
在Python中，我可以让矩阵指数命令在我的函数中工作，但我不能让for循环工作。
Xo = np.array([[ix],[idx]])
num1 = range(0,276)
for k in num1:
Xo[:,k+1] = Ae*Xo[:,k] + Be*outdoor[k+1] + Be1*(c4/c1)同样，Ae，Be，Be1是大小相同的矩阵，就像Matlab一样。户外向量也是如此。
我试过所有我能想到的方法来让它工作。唯一对我起作用的是，
Xo = np.zeros(())
#Initial COnditions
ix = np.array(indoor[0])
idx = np.array(indoor[1]-indoor[0])
Xo = np.array([[ix],[idx]])
#Range for the for loop
num1 = range(0,1)
for k in num1:
Xo = Ae*Xo[k] + Be*outdoor[k+1] + Be1*(c4/c1)现在，这个东西可以工作了，但只给了我两分。如果我改变范围，我会得到一个错误。我假设这段代码可以工作，因为我最初的Xo只有两个状态，所以k经历了这两个状态，但这不是我想要的。
如果有人能帮助我，那将是非常有帮助的！如果我犯了一些代码错误，老实说，这是因为我没有很好地理解python中的“For循环”，当涉及到数据分析时，让它循环遍历行并递增列。谢谢您抽时间见我。
应要求，以下是我的完整代码：
import scipy.io as sc
import math as m
import numpy as np
import matplotlib.pyplot as plt
import sys
from scipy.linalg import expm, sinm, cosm
import pandas as pd
df = pd.read_excel('datatemp.xlsx')
outdoor = np.array(df[['Outdoor']])
indoor = np.array(df[['Indoor']])
###########################. FUNCTION DEFINE. #################################################
#Progress bar
def progress(count, total, status=''):
percents = round(100.0 * count / float(total), 1)
sys.stdout.write(' %s%s ...%s\r' % ( percents, '%', status))
sys.stdout.flush()
#Define Matrix for Model
def Matrixbuild(c1,c2,c3):
A = np.array([[0,1],[-c3/c1,-c2/c1]])
B = np.array([[0],[1/c1]])
B1 = np.array([[1],[0]])
C = np.zeros((2,2))
D = np.zeros((2,2))
F = np.array([[0,1,0,1],[-c3/c1,-c2/c1,1/c1,0],[0,0,0,0],[0,0,0,0]])
R = np.array(expm(F))
Ae = np.array([[R.item(0),R.item(1)],[R.item(4),R.item(5)]])
Be = np.array([[R.item(2)],[R.item(6)]])
Be1 = np.array([[R.item(3)],[R.item(7)]])
return Ae,Be,Be1;
###########################. Data. #################################################
#USED FOR JUST TRYING WITHOUT ACTUAL DATA
# outdoor = np.array([5.8115,4.394,5.094,5.1123,5.1224])
# indoor = np.array([15.595,15.2429,15.0867,14.9982,14.8993])
###########################. Model Define. #################################################
Xo = np.zeros((2,288))
ix = np.array(indoor[0])
idx = np.array(indoor[1])
err_min = m.inf
c1spam = np.linspace(0.05,0.001,30)
c2spam = np.linspace(6.2,6.5,30)
c3spam = np.linspace(7.1,7.45,30)
totalspam = len(c1spam)*len(c2spam)*len(c3spam)
ind = 0
for c1 in c1spam:
for c2 in c2spam:
for c3 in c3spam:
c4 = 1.1
#MatrixBuild Function
result = Matrixbuild(c1,c2,c3)
Ae,Be,Be1 = result
Xo = np.array([ix,idx])
Datarange = range(0,len(outdoor)-1,1)
for k in Datarange:
Xo[:,k+1] = np.matmul(Ae,Xo[:,k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)
ind = ind + 1
print(Xo)
err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)
if err<err_min:
err_min = err
cbest = np.array([[c1],[c2],[c3],[c4]])
progress(ind,totalspam,status='Done')
# print(X)
# print(err)
# print(cbest)
###########################. Model with Cbest Values. #################################################
c1 = cbest[0]
c2 = cbest[1]
c3 = cbest[2]
result2 = Matrixbuild(c1,c2,c3)
AeBest,BeBest,Be1Best = result2
Xo = np.array([ix,idx])
Datarange = np.arange(0,len(outdoor)-1)
for k in Datarange:
Xo[:,k+1] = np.matmul(AeBestb,Xo[:,k]) + np.matmul(BeBest,outdoor[k+1]) + Be1Best*(c4/c1)
err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)
print(cbest)
print(err)
###########################. Plots. #################################################
plt.figure(0)
time = np.linspace(1,2,2)
plt.scatter(time,X[0],s=15,c="blue")
plt.scatter(time,indoor[0:2],s=15,c="red")
plt.show()我的错误再一次出现在Datarange中for k的for循环行中：
Xo[:,k+1] = np.matmul(Ae,Xo[k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)我试图使用np.matmul进行矩阵乘法，但即使没有它，它也无法工作。
如果对我的代码有任何其他问题，请提问。本质上，我试图找到最适合我的数据的c1，c2，c3系数，这是通过使用一个基本的二阶恒定系数模型。
回答 2
Stack Overflow用户
发布于 2018-08-31 06:32:21
因此，通过深入了解python的工作原理和数组/矩阵的分配，我能够了解如何做到这一点。我需要首先分配我的'Xo‘值，然后输入初始条件，以便for循环工作。
Xo = np.zeros((2,num2))
Xo = np.asmatrix(Xo)
Xo[0,0] = ix
Xo[1,0] = idx另外，对于'for循环‘，我将范围命名为这样的值，
num1 = range(0,4)
num2 = len(num1) + 1 这有助于计算“Xo”的总维度，将其命名为“num2”。它也是这样定义的，因为我的'For循环‘去了(k+1)，这个维度将变得更大，例如：
for k in num1:
Xo[:,k+1] = Ae*Xo[:,k] + Be*outdoor[k+1] + Be1*(c4/c1)但事实就是如此！我将Matlab打印输出与Python打印输出进行了比较，并尝试一次调试一行。现在，我在两种商品中都打印出了完全相同的值，所以是时候开始使用python代码了！
Stack Overflow用户
发布于 2018-08-01 16:32:41
你有没有试过用Xo[:,k+1]代替Xo(:,k+1)？Python使用[]进行切片和索引。
编辑：
Xo = np.array([[ix],[idx]])这将创建一个具有1个值的1x1数组：(ix，idx)。我认为您正在寻找类似于Xo = np.zeros((ix, idx))的东西，它将给出一个初始化为0的ixxidx数组。如果不需要0，可以使用Xo = np.empty((ix, idx))。
https://stackoverflow.com/questions/51626747
复制相似问题