我開始用Python編寫代碼，我來自Matlab背景。我嘗試執(zhí)行的for循環(huán)出現(xiàn)問題。在

這是我在Matlab中的for循環(huán)ix = indoor(1);

idx = indoor(2)-indoor(1);

%Initialize X apply I.C

X = [ix;idx];

for k=(1:1:287)

X(:,k+1) = Abest*X(:,k) + Bbest*outdoor(k+1) + B1best* (cbest4/cbest1);

end

在這個(gè)代碼中，Abest是2x2矩陣，Bbest是2x1矩陣，outdoor是288x1向量，B1best是2x1矩陣。矩陣是通過使用matrix expidential命令從函數(shù)中找到的。c4和c1是在常量之前定義的術(shù)語。在

在Python中，我已經(jīng)能夠讓matrix exponential命令在我的函數(shù)中工作，但是我不能讓循環(huán)工作。在

^{pr2}$

同樣，Ae，Be，Be1都是和Matlab一樣大小的矩陣。室外向量也是一樣。在

我想盡一切辦法讓它成功。。。唯一對我有用的是Xo = np.zeros(())

#Initial COnditions

ix = np.array(indoor[0])

idx = np.array(indoor[1]-indoor[0])

Xo = np.array([[ix],[idx]])

#Range for the for loop

num1 = range(0,1)

for k in num1:

Xo = Ae*Xo[k] + Be*outdoor[k+1] + Be1*(c4/c1)

但現(xiàn)在只給我兩點(diǎn)。如果我改變范圍，我會(huì)得到一個(gè)錯(cuò)誤。我假設(shè)這段代碼可以工作，因?yàn)槲易畛醯腦o只有兩個(gè)狀態(tài)，所以k會(huì)經(jīng)歷這兩個(gè)狀態(tài)，但這不是我想要的。在

如果有人能幫我，那將是非常有幫助的！如果我犯了一些代碼錯(cuò)誤，那是因?yàn)槲覜]有很好地理解python中的“For循環(huán)”，當(dāng)涉及到數(shù)據(jù)分析時(shí)，讓它遍歷行并增加列。謝謝你抽出時(shí)間。在

如有要求，這里是我的完整代碼：import scipy.io as sc

import math as m

import numpy as np

import matplotlib.pyplot as plt

import sys

from scipy.linalg import expm, sinm, cosm

import pandas as pd

df = pd.read_excel('datatemp.xlsx')

outdoor = np.array(df[['Outdoor']])

indoor = np.array(df[['Indoor']])

###########################. FUNCTION DEFINE. #################################################

#Progress bar

def progress(count, total, status=''):

percents = round(100.0 * count / float(total), 1)

sys.stdout.write(' %s%s ...%s\r' % ( percents, '%', status))

sys.stdout.flush()

#Define Matrix for Model

def Matrixbuild(c1,c2,c3):

A = np.array([[0,1],[-c3/c1,-c2/c1]])

B = np.array([[0],[1/c1]])

B1 = np.array([[1],[0]])

C = np.zeros((2,2))

D = np.zeros((2,2))

F = np.array([[0,1,0,1],[-c3/c1,-c2/c1,1/c1,0],[0,0,0,0],[0,0,0,0]])

R = np.array(expm(F))

Ae = np.array([[R.item(0),R.item(1)],[R.item(4),R.item(5)]])

Be = np.array([[R.item(2)],[R.item(6)]])

Be1 = np.array([[R.item(3)],[R.item(7)]])

return Ae,Be,Be1;

###########################. Data. #################################################

#USED FOR JUST TRYING WITHOUT ACTUAL DATA

# outdoor = np.array([5.8115,4.394,5.094,5.1123,5.1224])

# indoor = np.array([15.595,15.2429,15.0867,14.9982,14.8993])

###########################. Model Define. #################################################

Xo = np.zeros((2,288))

ix = np.array(indoor[0])

idx = np.array(indoor[1])

err_min = m.inf

c1spam = np.linspace(0.05,0.001,30)

c2spam = np.linspace(6.2,6.5,30)

c3spam = np.linspace(7.1,7.45,30)

totalspam = len(c1spam)*len(c2spam)*len(c3spam)

ind = 0

for c1 in c1spam:

for c2 in c2spam:

for c3 in c3spam:

c4 = 1.1

#MatrixBuild Function

result = Matrixbuild(c1,c2,c3)

Ae,Be,Be1 = result

Xo = np.array([ix,idx])

Datarange = range(0,len(outdoor)-1,1)

for k in Datarange:

Xo[:,k+1] = np.matmul(Ae,Xo[:,k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)

ind = ind + 1

print(Xo)

err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)

if err

err_min = err

cbest = np.array([[c1],[c2],[c3],[c4]])

progress(ind,totalspam,status='Done')

# print(X)

# print(err)

# print(cbest)

###########################. Model with Cbest Values. #################################################

c1 = cbest[0]

c2 = cbest[1]

c3 = cbest[2]

result2 = Matrixbuild(c1,c2,c3)

AeBest,BeBest,Be1Best = result2

Xo = np.array([ix,idx])

Datarange = np.arange(0,len(outdoor)-1)

for k in Datarange:

Xo[:,k+1] = np.matmul(AeBestb,Xo[:,k]) + np.matmul(BeBest,outdoor[k+1]) + Be1Best*(c4/c1)

err = np.linalg.norm(Xo[0,range(0,287)]-indoor.T)

print(cbest)

print(err)

###########################. Plots. #################################################

plt.figure(0)

time = np.linspace(1,2,2)

plt.scatter(time,X[0],s=15,c="blue")

plt.scatter(time,indoor[0:2],s=15,c="red")

plt.show()

我的錯(cuò)誤再次出現(xiàn)在for循環(huán)的行中

對于數(shù)據(jù)范圍中的k：Xo[:,k+1] = np.matmul(Ae,Xo[k]) + np.matmul(Be,outdoor[k+1]) + Be1*(c4/c1)

我想用np.材料對于矩陣乘法，但即使沒有它，它也不起作用。在

如果對我的代碼還有其他問題，請?jiān)儐枴谋举|(zhì)上講，我試圖通過一個(gè)基本的二階常系數(shù)模型，找到最適合我的數(shù)據(jù)的c1，c2，c3系數(shù)，這就是室內(nèi)溫度。在

總結(jié)

以上是生活随笔為你收集整理的matlab把每次循环的结果保存idx,来自Matlab的循环Python的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。