我正在尝试将IDL程序转换为Python.我必须解决通过以下方式实现的SVD的结果

from scipy.linalg import svd
A = [[1,2,3],[4,5,6]]
b = [4,4,5]

u,w,v = svd(A)

而且这很好用,并且可以从IDL很好地翻译.下一步是IN IDL(！)

x = svsol(u,w,v,b)

python和IDL中的u几乎相同(其他矩阵也是如此).唯一的区别是维度,其中IDL的矩阵较大,但有很多零.在这种情况下,似乎Python的矩阵更加压缩.

有谁知道类似的Python知识.

如果有人需要,这里是svsol的手册.

解决方法:

使用IDL中的SVDC和SVSOL,您可以通过SVD分解解决线性最小二乘问题.这是通过numpy.linalg.lstsq函数在numpy中完成的. (无需先计算SVD分解,然后再求解.)

>>> import numpy as np
>>> A = np.array([[1,2,3],[4,5,6]])
>>> b = np.array([4,4])
>>> x, _, _, _ = np.linalg.lstsq(A,b)
>>> x
array([-2.,  0.,  2.])
>>> np.dot(A,x)
array([ 4.,  4.])

请注意,b的长度必须与A的行数相同,因此您的示例是错误的.只是为了确保我正确地解释了IDL语义,这是svsol reference manual中的示例：

>>> A = np.array(
... [[1.0, 2.0, -1.0, 2.5],
...  [1.5, 3.3, -0.5, 2.0],
...  [3.1, 0.7,  2.2, 0.0],
...  [0.0, 0.3, -2.0, 5.3],
...  [2.1, 1.0,  4.3, 2.2],
...  [0.0, 5.5,  3.8, 0.2]])
>>> B = np.array([0.0, 1.0, 5.3, -2.0, 6.3, 3.8])
>>> x, _, _, _ = np.linalg.lstsq(A,B)
>>> print x
[ 1.00095058  0.00881193  0.98417587 -0.01009547]