2

我在 NumPy 中有以下数组：

A = array([1, 2, 3])

如何获得以下矩阵（没有显式循环）？

B = [ 1 1 1
      2 2 2
      3 3 3 ]

C = [ 1 2 3
      1 2 3
      1 2 3 ]

谢谢！

4

2 回答 2

8

Edit2：OP 在评论中询问如何计算

n(i, j) = l(i, i) + l(j, j) - 2 * l(i, j)

我可以想到两种方法。我喜欢这种方式，因为它很容易概括：

import numpy as np

l=np.arange(9).reshape(3,3)
print(l)
# [[0 1 2]
#  [3 4 5]
#  [6 7 8]]

这个想法是使用np.ogrid. 这定义了两个 numpy 数组的列表，一个是形状（3,1），一个是形状（1,3）：

grid=np.ogrid[0:3,0:3]
print(grid)
# [array([[0],
#        [1],
#        [2]]), array([[0, 1, 2]])]

grid[0]可以作为索引的代理i， grid[1]也可以作为索引的代理j。

因此，在表达式中的任何地方l(i, i) + l(j, j) - 2 * l(i, j)，您只需替换i-->grid[0]和j--> grid[1]，其余部分由 numpy 广播处理：

n=l[grid[0],grid[0]] + l[grid[1],grid[1]] + 2*l
print(n)
# [[ 0  6 12]
#  [10 16 22]
#  [20 26 32]]

但是，在这种特殊情况下，因为l(i,i)和l(j,j)只是 的对角线元素l，您可以这样做：

d=np.diag(l)
print(d)
# [0 4 8]

d[np.newaxis,:]将形状d提升至 (1,3)，并将 d[:,np.newaxis]形状d提升至 (3,1)。

Numpy 广播泵起来d[np.newaxis,:]并d[:,np.newaxis]塑造 (3,3)，并根据需要复制值。

n=d[np.newaxis,:] + d[:,np.newaxis] + 2*l
print(n)
# [[ 0  6 12]
#  [10 16 22]
#  [20 26 32]]

Edit1：通常你不需要形成Bor C。Numpy 广播的目的是允许您使用或A代替。如果您向我们展示您打算如何使用or ，我们也许可以向您展示如何使用numpy 广播来做同样的事情。BCBCA

（原答案）：

In [11]: B=A.repeat(3).reshape(3,3)

In [12]: B
Out[12]: 
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

In [13]: C=B.T

In [14]: C
Out[14]: 
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

或者

In [25]: C=np.tile(A,(3,1))

In [26]: C
Out[26]: 
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

In [27]: B=C.T

In [28]: B
Out[28]: 
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

来自恶作剧部门：

In [57]: np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(4,0))
Out[57]: 
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

In [58]: np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(0,4))
Out[58]: 
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

但请注意，这些是 的视图，A而不是副本（就像上面的解决方案一样）。改变B，改变A：

In [59]: B=np.lib.stride_tricks.as_strided(A,shape=(3,3),strides=(4,0))

In [60]: B[0,0]=100

In [61]: A
Out[61]: array([100,   2,   3])
于 2010-09-06T11:47:49.600 回答
3

非常旧的线程，但以防万一有人关心......

C,B = np.meshgrid(A,A)
于 2013-01-22T17:17:07.410 回答