Dans MATLAB, il existe un moyen simple de définir des tableaux multidimensionnels, par exemple.
A(:,:,1) = [1,2,3; 4,5,6];
A(:,:,2) = [7,8,9; 10,11,12];
>> A
A(:,:,1) =
1 2 3
4 5 6
A(:,:,2) =
7 8 9
10 11 12
où les deux premiers indices sont respectivement, pour les lignes et les colonnes de la matrice (ou page, voir image ci-dessous) stockées dans A;
Est-ce que quelqu'un sait comment puis-je définir la même structure en python?
avec NumPy est similaire à MATLAB
import numpy as np
A=np.empty((2,3,3))
A.shape
#(2L, 3L, 3L)
A[0,1,2] # element at index 0,1,2
#0.0
A[0,:,:] # 3x3 slice at index 0
#array([[ 0., 0., 0.],
# [ 0., 0., 0.],
# [ 0., 0., 0.]])
A[1,1,:] # 1-D array of length 3
#array([ 0., 0., 0.]
Une méthode pure Python consiste à utiliser une liste de listes (ou dans ce cas, une liste de listes). Vous pouvez l'initialiser avec la compréhension de liste. Par exemple:
w = 4 #width
h = 3 #height
d = 3 #depth
data = [[[0]*h for _ in range(w)] for _ in range(d)]
Ou si vous voulez remplir le tensor avec des tuples comme sur la figure:
data = [[[(i+1,j+1,k+1) for k in range(h)] for j in range(w)] for i in range(d)]
Ceci initialise une "matrice" d
x w
x h
remplie de zéros.
Vous pouvez alors accéder au (i,j,k)
- ème élément avec:
data[i][j][k]
Néanmoins, il existe des bibliothèques comme numpy qui prennent en charge les vecteurs, matrices, tenseurs, etc.
Si vous êtes prêt à utiliser NumPy alors il y a de nombreuses façons . Une solution consiste à initialiser avec tous les zéros ou, comme dans votre exemple mis à jour, vous pouvez également remplir avec une plage, puis reshape
.
import numpy as np
a = np.arange(48, dtype=np.int64).reshape((3, 4, 4))
# or
b = np.zeros((3, 4, 4), dtype=np.int64)