8.6.6. MVar¶

class MVar¶

代表多个变量组成的多维数组。一般由 Model.addMVar 返回，也可以包装一个已有数组得到一个MVar，如： MVar.fromlist

属性

`T`	获取MVar对应转置矩阵MVar
`ndim`	获取MVar的维度个数
`shape`	获取MVar的shape
`size`	获取MVar包含的变量个数

方法

`copy()`	返回一个当前MVar的拷贝
`diagonal()`	获取MVar对应对角矩阵MVar
`fromlist()`	将一组变量包装为一个MVar
`fromvar()`	将一个变量包装为一个MVar
`getAttr()`	获取MVar对应的attribute值
`item()`	获取当前MVar唯一包含的变量
`reshape()`	返回一个拥有相同数据，但拥有新的shape的MVar
`setAttr()`	设置MVar对应的attribute value
`sum()`	返回一个线性表达式，其值为所有MVar中的变量相加
`tolist()`	返回一个数组，包含当前MVar中所有的变量
`transpose()`	获取MVar对应转置矩阵MVar

copy()¶

返回一个当前MVar的拷贝

example:

mat1 = mat.copy()

diagonal()¶

获取MVar对应对角矩阵MVar

example:

print(mat.diagonal())

fromlist(li)¶

将一组变量包装为一个MVar

Parameters: li – 包含变量的列表

example:

m = Model()
mat = MVar.fromlist([x0, x1, x2, x3]).reshape(2, 2)

fromvar(var)¶

将一个变量包装为一个MVar

Parameters: var – 要包装的变量

example:

mat11 = MVar.fromvar(x)

getAttr(attrname)¶

获取MVar对应的attribute值

Parameters: attrname – attribute的名称

example:

m = Model()
mat = m.addMVar((2, 2))
print(mat.lb)
print(mat.getAttr(MDO.Attr.LB))

Note

Attribute的读写也可以直接通过对象属性读写完，这种情况下，属性名称大小写不敏感

item()¶

获取当前MVar唯一包含的变量

example:

mat = m.addMVar((2, 2))
first = mat[0, 0]
print(type(first))
print(type(first.item()))

Note

如果当前MVar包含不止一个变量将抛出异常

reshape(*shape)¶

返回一个拥有相同数据，但拥有新的shape的MVar

Parameters

*shape –

新的shape

example:

m = Model()
mat = m.addMVar((2, 2))
x = mat.reshape(1, 4)  # default to fold along rows
x_c = mat.reshape(-1, order='C')  # fold along rows
x_f = mat.reshape(-1, order='F')  # fold along columns

setAttr(attrname, attrvalues)¶

设置MVar对应的attribute value

Parameters

attrname – 要设置的attribute的名称
attrvalues – 要设置的attribute的新值。可以是标量或数组

example:

m = Model()
mat = m.addMVar((2, 2))
mat.lb = [1.0, 2.0, 3.0, 4.0]
mat.setAttr(MDO.Attr.LB, 5.0)

Note

Attribute的读写也可以直接通过对象属性读写完，这种情况下，属性名称大小写不敏感

sum(axis=None)¶

返回一个线性表达式，其值为所有MVar中的变量相加

Parameters: axis=None – 求和的沿轴

example:

linExpr = mat.sum()

tolist()¶

返回一个数组，包含当前MVar中所有的变量。

example:

mat = m.addMVar((2,))
x = mat.tolist()
print(x[0] ** 2 + 2 * x[0] * x[1] + x[1] ** 2)

transpose()¶

获取MVar对应转置矩阵MVar

example:

print(mat.transpose())