我正在对冗余的完整矩阵进行一些计算(即可以是三角形矩阵而不会丢失信息)。我意识到我只能计算三角形的下部以获得更快的结果。完成后如何将下三角投影到上三角?

换句话说,我该如何反转np.tril方法?

print DF_var.as_matrix()
# [[1 1 0 1 1 1 0 1 0 0 0]
#  [1 1 1 1 1 0 1 0 1 1 1]
#  [0 1 1 0 0 0 0 0 0 0 0]
#  [1 1 0 1 0 0 0 0 0 0 0]
#  [1 1 0 0 1 0 0 0 0 0 0]
#  [1 0 0 0 0 1 1 0 0 0 0]
#  [0 1 0 0 0 1 1 0 0 0 0]
#  [1 0 0 0 0 0 0 1 1 0 0]
#  [0 1 0 0 0 0 0 1 1 0 0]
#  [0 1 0 0 0 0 0 0 0 1 0]
#  [0 1 0 0 0 0 0 0 0 0 1]]
print np.tril(DF_var.as_matrix())
# [[1 0 0 0 0 0 0 0 0 0 0]
#  [1 1 0 0 0 0 0 0 0 0 0]
#  [0 1 1 0 0 0 0 0 0 0 0]
#  [1 1 0 1 0 0 0 0 0 0 0]
#  [1 1 0 0 1 0 0 0 0 0 0]
#  [1 0 0 0 0 1 0 0 0 0 0]
#  [0 1 0 0 0 1 1 0 0 0 0]
#  [1 0 0 0 0 0 0 1 0 0 0]
#  [0 1 0 0 0 0 0 1 1 0 0]
#  [0 1 0 0 0 0 0 0 0 1 0]
#  [0 1 0 0 0 0 0 0 0 0 1]]

如何将其转换回完整矩阵?

最佳答案

假设A为输入数组,则下面列出了几种方法。

方法#1:在转置的np.triu版本上使用A-

np.triu(A.T,1) + A

方法2:避免在A.T和A之间进行直接求和的np.triu,然后索引以设置对角线元素-
out = A.T + A
idx = np.arange(A.shape[0])
out[idx,idx] = A[idx,idx]

方法3:与上一个方法相同,但使用内置索引进行压缩-
out = A.T + A
np.fill_diagonal(out,np.diag(A))

方法4:与上一个方法相同,但具有 bool 索引来设置对角线元素-
out = A.T + A
mask = np.eye(out.shape[0],dtype=bool)
out[mask] = A[mask]

方法#5:对带有np.where的对角线元素使用基于蒙版的选择-
np.where(np.eye(A.shape[0],dtype=bool),A,A.T+A)

方法6:对所有带有np.where的元素使用基于掩码的选择-
np.where(np.triu(np.ones(A.shape[0],dtype=bool),1),A.T,A)

运行时测试

职能 -
def func1(A):
    return np.triu(A.T,1) + A

def func2(A):
    out = A.T + A
    idx = np.arange(A.shape[0])
    out[idx,idx] = A[idx,idx]
    return out

def func3(A):
    out = A.T + A
    np.fill_diagonal(out,np.diag(A))
    return out

def func4(A):
    out = A.T + A
    mask = np.eye(out.shape[0],dtype=bool)
    out[mask] = A[mask]
    return out

def func5(A):
    return np.where(np.eye(A.shape[0],dtype=bool),A,A.T+A)

def func6(A):
    return np.where(np.triu(np.ones(A.shape[0],dtype=bool),1),A.T,A)

时间-
In [140]: # Input array
     ...: N = 5000
     ...: A = np.tril(np.random.randint(0,9,(N,N)))
     ...:

In [141]: %timeit func1(A)
     ...: %timeit func2(A)
     ...: %timeit func3(A)
     ...: %timeit func4(A)
     ...: %timeit func5(A)
     ...: %timeit func6(A)
     ...:
1 loops, best of 3: 617 ms per loop
1 loops, best of 3: 354 ms per loop
1 loops, best of 3: 354 ms per loop
1 loops, best of 3: 395 ms per loop
1 loops, best of 3: 597 ms per loop
1 loops, best of 3: 440 ms per loop

看起来方法2和方法3非常有效!

关于python - 如何在NumPy中将三角矩阵转换为正方形?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/36250729/

10-13 00:17