python numpy矢量数学

Question

什么是numpy等价于^{}的二维向量类/操作？（例如：euclid.Vector2）

到目前为止我有这个。创建两个向量

import numpy as np

loc = np.array([100., 100.])
vel = np.array([30., 10])

loc += vel

# reseting speed to a default value, maintaining direction
vel.normalize()
vel *= 200

loc += vel

Answer 1

你可以使用numpy数组。查看numpy for matlab users页面，了解数组w.r.t.矩阵的优缺点的详细概述。

正如我在评论中提到的，必须使用dot()函数或方法对向量进行多重复制是最大的陷阱。但同样，numpy数组是一致的。所有操作都是按元素进行的。所以加或减数组和与标量相乘都是向量的期望值。

Edit2:从Python 3.5和numpy 1.10开始，由于pep 465，您可以使用@中缀运算符进行矩阵乘法。

编辑：关于您的评论：

1. 是的。整个numpy是基于数组的。

2. 是的。linalg.norm(v)是获取向量长度的一个好方法。但你能得到什么取决于对norm可能的第二个论点！阅读文档。

3. 若要规范化向量，只需将其除以在（2）中计算的长度即可。按标量划分数组也是按元素划分的。

   ipython中的一个例子：

   In [1]: import math
   
   In [2]: import numpy as np
   
   In [3]: a = np.array([4,2,7])
   
   In [4]: np.linalg.norm(a)
   Out[4]: 8.3066238629180749
   
   In [5]: math.sqrt(sum([n**2 for n in a]))
   Out[5]: 8.306623862918075
   
   In [6]: b = a/np.linalg.norm(a)
   
   In [7]: np.linalg.norm(b)
   Out[7]: 1.0
   

   注意In [5]是计算长度的另一种方法。In [6]显示正在规范化向量。