[Numpy] Transposée d'un vecteur

Bonjour à tous,
Je suis en train de remplacer Matlab par Numpy, je rencontre pas de problèmes, mi à part celui-ci tout simple :

Code:

---

1 2 3 4 5 6 7 8 9 10

In[13]: o = ones(4)   In [14]: o.shape Out[14]: (4,)   In [15]: o = o.transpose()   In [16]: o.shape Out[16]: (4,)

---

L'opération de transposée ne fonctionne pas sur les matrices 1*n où n*1. Le degré supérieur ne pose pas de problème.

Pour l'instant, pour contourner le problème je fais :

Code:

---

1 2 3 4 5 6 7

In [17]: o.shape = 1,4   In [18]: o = o.transpose()   In [19]: o.shape Out[19]: (4, 1)

---

afin de forcer la dimension, mais c'est contraignant. Existe-t-il une astuce?
Merci,
PS: Sinon, les possibilités des bibliothèques scipy et numpy sont tous simplement géniales... à part le piège du reshape (forcer le reshape "Fortran" pour avoir un comportement matlab).

Tu essaies de transposer un tableau de taille 4, c'est normal qu'il reste de taille 4 ;)
Contrairement à MatLab, Numpy travaille sur des tableaux de toute dimension. Si tu veux le comportement MatLab, à savoir travailler sur des matrices, tu dois utiliser la classe matrix, tout simplement. A ce niveau, MatLab est clairement déficient, quand on veut un tableau de taille 4, on ne devrait pas obtenir un 4,1 ou un 1,4 !

Citation:

---

Envoyé par Matthieu Brucher

Tu essaies de transposer un tableau de taille 4, c'est normal qu'il reste de taille 4 ;)

---

Ok, je comprends la subtilité. C'est pas très intuitif quand même...

Citation:

---

Envoyé par Matthieu Brucher

Si tu veux le comportement MatLab, à savoir travailler sur des matrices, tu dois utiliser la classe matrix, tout simplement.

---

Je veux pas passer par la classe matrix pour ces raisons :

Citation:

---

<:( Maximum of rank-2. To hold rank-3 data you need array or perhaps a Python list of matrix.
<:( Since array is the default in NumPy, some functions may return an array even if you give them a matrix as an argument. This shouldn't happen with NumPy functions (if it does it's a bug), but 3rd party code based on NumPy may not honor type preservation like NumPy does.

---

Citation:

---

Envoyé par Matthieu Brucher

A ce niveau, MatLab est clairement déficient, quand on veut un tableau de taille 4, on ne devrait pas obtenir un 1,4 !

---

Fondamentalement, pour moi, je trouve que c'est la même chose. Un tableau est un vecteur.

En fait, il suffit d'imposer les dimensions explicitement via un tuple :

Code:

---

1 2 3 4 5 6 7 8 9 10

In [79]: o = ones((5,1))   In [80]: o.shape Out[80]: (5, 1)   In [81]: ot = o.transpose()   In [82]: ot.shape Out[82]: (1, 5)

---

Merci de ton intervention... :ccool:

Citation:

---

Envoyé par dahtah

Ok, je comprends la subtilité. C'est pas très intuitif quand même...

---

En fait, c'est la manière de MatLab qui n'est pas intuitive, mais elle est rentrée dans les moeurs, avec ses gros défauts. Un tableau à une dimension transposé est identique à ce même tableau, c'est en fait logique, mais pas pour MatLab.
Matlab ne considère pas qu'un vecteur est un vecteur, mais qu'un vecteur est un vecteur colonne, donc un tableau à 2 dimensions. Mais pourquoi pas un vecteur ligne dans ce cas ? C'est une erreur de conception dans MatLab, et non dans Numpy.

Citation:

---

Envoyé par Matthieu Brucher

Matlab ne considère pas qu'un vecteur est un vecteur, mais qu'un vecteur est un vecteur colonne, donc un tableau à 2 dimensions.

---

Plus généralement, en interne, MATLAB considère globalement tout objet comme un tableau de type mxArray contenant un vecteur pour stocker la partie entière des valeurs, un autre vecteur pour stocker la partie imaginaire (pas toujours utilisée) et quelques informations en entête dont les dimensions du tableau. Les parties réelle et imaginaire sont stockées colonne par colonne en mémoire (seul héritage du Fortran initial)

=> http://www.mathworks.com/access/help...al/f21585.html

Il n'y a donc pas de différence entre un scalaire, un vecteur ou un tableau. Ce sont tous des tableaux.

Même pour un tableau vide :

Code:

---

1 2 3 4 5 6 7 8 9 10 11

>> a = []   a =   []   >> size(a)   ans =   0 0

---

Maintenant, de la à y voir une erreur de conception... peut être mais en 10 ans de développement MATLAB, je ne me suis jamais trop senti limité par ce choix de conception ;)