"Clonage" de vecteurs lignes ou colonnes

Question

Il est parfois utile de "cloner" un vecteur ligne ou colonne en une matrice. Par clonage, j'entends la conversion d'un vecteur ligne tel que

[1, 2, 3]

Dans une matrice

[[1, 2, 3],
 [1, 2, 3],
 [1, 2, 3]]

ou un vecteur colonne tel que

[[1],
 [2],
 [3]]

en

[[1, 1, 1]
 [2, 2, 2]
 [3, 3, 3]]

Dans MATLAB ou octave, cela se fait assez facilement :

 x = [1, 2, 3]
 a = ones(3, 1) * x
 a =

    1   2   3
    1   2   3
    1   2   3

 b = (x') * ones(1, 3)
 b =

    1   1   1
    2   2   2
    3   3   3

Je veux répéter cela en numpy, mais sans succès

In [14]: x = array([1, 2, 3])
In [14]: ones((3, 1)) * x
Out[14]:
array([[ 1.,  2.,  3.],
       [ 1.,  2.,  3.],
       [ 1.,  2.,  3.]])
# so far so good
In [16]: x.transpose() * ones((1, 3))
Out[16]: array([[ 1.,  2.,  3.]])
# DAMN
# I end up with 
In [17]: (ones((3, 1)) * x).transpose()
Out[17]:
array([[ 1.,  1.,  1.],
       [ 2.,  2.,  2.],
       [ 3.,  3.,  3.]])

Pourquoi la première méthode ( In [16] ) fonctionne ? Existe-t-il un moyen de réaliser cette tâche en python de manière plus élégante ?

Answer 1

Pour répondre à la question proprement dite, maintenant que près d'une douzaine d'approches pour contourner une solution ont été publiées : x.transpose inverse la forme de x . L'un des effets secondaires intéressants est que si x.ndim == 1 la transposition ne fait rien.

Ceci est particulièrement déroutant pour les personnes venant de MATLAB, où tous les tableaux ont implicitement au moins deux dimensions. La façon correcte de transposer un tableau numpy 1D n'est pas x.transpose() ou x.T mais plutôt

x[:, None]

ou

x.reshape(-1, 1)

À partir de là, vous pouvez multiplier par une matrice de uns, ou utiliser l'une des autres approches suggérées, à condition de respecter les différences (subtiles) entre MATLAB et numpy.

Answer 2

import numpy as np
x=np.array([1,2,3])
y=np.multiply(np.ones((len(x),len(x))),x).T
print(y)

les rendements :

[[ 1.  1.  1.]
 [ 2.  2.  2.]
 [ 3.  3.  3.]]