Python NumPy向量数学

Question

请问numpy中有哪些类或操作可以用来替代euclid的二维向量类/操作（例如：euclid.Vector2）？

到目前为止，我创建了两个向量。

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

- ninMonkey

---

如果我错了，有人可以纠正我，但我认为你正在做的是相当标准的。 - prelic

需要注意的一件事是数组的乘法。Numpy数组按元素相乘。如果你想要将两个向量相乘，可以使用dot()方法。 - Roland Smith

根据评论和答案，我认为人们完全误解了你的问题，并没有意识到你在谈论替换“euclid”模块。 - MestreLion

顺便问一下，迁移怎么样了？是出于性能方面的考虑吗？我打算使用 euclid，所以欢迎任何建议 :) - MestreLion

Answer 1

您可以直接使用numpy数组。请查看针对Matlab用户的numpy页面，详细了解数组与矩阵之间的优缺点。

正如我在评论中提到的，必须使用dot()函数或方法来进行向量乘法是最大的陷阱。但是，numpy数组是一致的。所有操作都是逐元素进行的。因此，添加或减去数组以及与标量相乘的操作都像向量预期的那样工作。 编辑2：从Python 3.5和numpy 1.10开始，您可以使用@中缀运算符进行矩阵乘法，感谢pep 465。 编辑：关于您的评论：

1. Yes. The whole of numpy is based on arrays.

2. Yes. linalg.norm(v) is a good way to get the length of a vector. But what you get depends on the possible second argument to norm! Read the docs.

3. To normalize a vector, just divide it by the length you calculated in (2). Division of arrays by a scalar is also element-wise.

   An example in ipython:

   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
   

   Note that In [5] is an alternative way to calculate the length. In [6] shows normalizing the vector.

- Roland Smith

---

[1] 这是使用的常见路径吗？（使用 numpy.array vs euclid 或其他什么） [2] 要获取 Vector2.magnitude()，我使用 linalg.norm(v) 吗？ [3] 用于 Vector2.normalize() 的函数是什么？ - ninMonkey