Matlab匿名函数是如何计算矩阵的？

Question

给出了以下matlab代码：

A = reshape (1:9 ,[3 3]);
f = @(x) x^2;
f(A)

产出如下：

A =                                                                                                                                                                                                                                                    

   1   4   7                                                                                                                                                                                                                                           
   2   5   8                                                                                                                                                                                                                                           
   3   6   9  

ans =                                                                                                                                                                                                                                                  

    30    66   102                                                                                                                                                                                                                                     
    36    81   126                                                                                                                                                                                                                                     
    42    96   150 

你能给我解释一下这个输出是如何计算的吗？如何调用匿名函数？

我想用python写同样的程序。

在python中有什么兼容的函数可以让我实现这个吗？

Answer 1

以矩阵作为输入的匿名函数的行为与通常从命令行执行的内容一样。没什么特别的。

问题是，您使用的是^，它是)，我相信您是在寻找.^，在您的情况下，.^将单独对每个元素进行平方。

f = @(x)x.^2;
B = f(A);

如果您想在Python中做同样的事情，那么您可以使用numpy完全做到这一点。

import numpy as np

A = np.arange(1, 10).reshape(3, 3).T
B = np.power(A, 2)

如果您想将此操作封装起来，最好将其应用于自己的功能中。

def f(x):
    return np.power(x, 2)

B = f(A)

如果您命名为lambda (匿名)函数(this isn't recommended)，则可以：

f = lambda x: np.power(x, 2)
B = f(A)