问题描述
我收到一个错误，例如；
追溯（最近一次通话）：文件“ C：\\ Users \\ SONY \\ Desktop \\ deneme.py”，第42行，位于Gα[n] = compute_G（x，n）NameError：名称'G'不是定义的
这是我的代码：
N = 20
N_cor = 25
N_cf = 25
a = 0.5
eps = 1.4
def update(x):
for j in range(0,N):
old_x = x[j]
old_Sj = S(j,x)
x[j] = x[j] + random.uniform(-eps,eps)
dS = S(j,x) - old_Sj
if dS>0 and exp(-dS)<random.uniform(0,1):
x[j] = old_x
def S(j,x):
jp = (j+1)%N
jm = (j-1)%N
return a*x[j]**2/2 + x[j]*(x[j]-x[jp]-x[jm])/a
def compute_G(x,n):
g = 0
for j in range(0,N):
g = g + x[j]*x[(j+n)%N]
return g/N
#def MCaverage(x,G):
import random
from math import exp
x=[]
for j in range(0,N):
x.append(0.0)
print"x(%d)=%f"%(j,x[j])
for j in range(0,5*N_cor):
update(x)
for alpha in range(0,N_cf):
for j in range(0,N_cor):
update(x)
for i in range(0,N):
print"x(%d)=%f"%(i,x[i])
for n in range(0,N):
G[alpha][n]=compute_G(x,n)
for n in range(0,N):
avg_G = 0
for alpha in range(0,N_cf):
avg_G = avg_G + G[alpha][n]
avg_G = avg_G / N_cf
print "G(%d) = %f"%(n,avg_G)
当我定义GI时出现另一个错误，例如：
追溯（最近一次通话最近）：文件“ C：\\ Users \\ SONY \\ Desktop \\ deneme.py”，第43行，在Gα[n] = compute_G（x，n）中IndexError：列表索引超出范围
这是我定义G的方式：
...
for alpha in range(0,N_cf):
for j in range(0,N_cor):
update(x)
for n in range(0,N):
G=[][]
G[alpha][n]=compute_G(x,n)
...
我该怎么做才能定义一个具有两个索引的数组，即一个二维矩阵？
1楼
在Python中， a=[]定义列表，而不是数组。
它当然可以用于存储许多具有相同数字类型的元素，并且可以定义从两个整数（一个矩形数组索引到一个列表索引）的映射。
不过，这很不利。
难以编程且存储效率低下，因为列表旨在作为对象的有序集合，可以是任意类型。
您可能最需要的是从何处开始阅读的指南。 这里是。 了解Numpy ，这是一个Python模块，可用于具有（主要是）数值数据数组的典型科学计算，其中所有元素都是同一类型。 安装numpy之后，这里是一个简短的品尝者。
>>> import numpy as np # importing as np is conventional
>>> p = np.zeros( (6,4) ) # two dimensional, 24 elements in total
>>> for i in range(4): p[i,i]=1
>>> p
array([[ 1., 0., 0., 0.],
[ 0., 1., 0., 0.],
[ 0., 0., 1., 0.],
[ 0., 0., 0., 1.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
numpy数组是处理尽可能多的数据的有效方法，您可以将其放入计算机的RAM中。
底层numpy是Python的array.array数据类型，但很少单独使用。 numpy是您通常不想自己编写的支持代码。 尤其重要的是，因为当数组包含数百万或数十亿个元素时，您不能以像Python这样的解释语言承受内部循环对其索引的低效率。 Numpy为您提供行级，列级和数组级的操作，其底层代码已编译和优化，因此运行速度大大提高。