获取以numpy表示的对角线下的项目数

我有一个相关矩阵，我想得到对角线下的项数。最好是在努比

[[1,   0,   0,   0,  0], 
[.35,  1,   0,   0,  0], 
[.42, .31,  1,   0,  0], 
[.25, .38, .41,  1,  0], 
[.21, .36, .46, .31, 1]]

我要它退10英镑。或者，返回对角线下所有数字的平均值。

设置

---

将给出对角线下所有元素的索引（如果您提供的偏移量为

-1

），从那里开始，它变得非常简单，只需索引和调用

mean

和

size

---

设置

---

将给出对角线下所有元素的索引（如果您提供的偏移量为

-1

），从那里开始，它变得非常简单，只需索引和调用

mean

和

size

---

---

由于

numpy

提供了用户3483203提到的

np.tril_索引

，一个更原始、更庞大的答案，但每行迭代i需要的是以下内容（就[row，col]索引而言）：

这本质上是列表

[i，i，i，…]=[i]*i

（i的重复）的

zip

，其中

[0,1，…，i-1]=范围（i）

。因此，迭代表中的行，实际上可以获得每次迭代的索引，并执行您选择的运算符

设置示例：

test = np.array(
[[1,   0,   0,   0,  0], 
[.35,  1,   0,   0,  0], 
[.42, .31,  1,   0,  0], 
[.25, .38, .41,  1,  0], 
[.21, .36, .46, .31, 1]])

功能定义：

def countdiag(myarray):
    numvals = 0
    totsum = 0


    for i in range(myarray.shape[0]): # row iteration
        colc = np.array(range(i)) # calculate column indices
        rowc = np.array([i]*i) # calculate row indices

        if any(rowc):
            print(np.sum(myarray[rowc,colc]))
            print(len(myarray[rowc,colc]))

            numvals += len(myarray[rowc,colc])
            totsum += np.sum(myarray[rowc,colc])


        print(list(zip([i]*i, np.arange(i))))

    mean = totsum / numvals

    return mean, numvals

测试：

---

由于

numpy

提供了用户3483203提到的

np.tril_索引

，一个更原始、更庞大的答案，但每行迭代i需要的是以下内容（就[row，col]索引而言）：

这本质上是列表

[i，i，i，…]=[i]*i

（i的重复）的

zip

，其中

[0,1，…，i-1]=范围（i）

。因此，迭代表中的行，实际上可以获得每次迭代的索引，并执行您选择的运算符

设置示例：

test = np.array(
[[1,   0,   0,   0,  0], 
[.35,  1,   0,   0,  0], 
[.42, .31,  1,   0,  0], 
[.25, .38, .41,  1,  0], 
[.21, .36, .46, .31, 1]])

功能定义：

def countdiag(myarray):
    numvals = 0
    totsum = 0


    for i in range(myarray.shape[0]): # row iteration
        colc = np.array(range(i)) # calculate column indices
        rowc = np.array([i]*i) # calculate row indices

        if any(rowc):
            print(np.sum(myarray[rowc,colc]))
            print(len(myarray[rowc,colc]))

            numvals += len(myarray[rowc,colc])
            totsum += np.sum(myarray[rowc,colc])


        print(list(zip([i]*i, np.arange(i))))

    mean = totsum / numvals

    return mean, numvals

测试：

你能检查一下numpy.trace并告诉我这是否有用吗。

def countdiag(myarray):
    numvals = 0
    totsum = 0


    for i in range(myarray.shape[0]): # row iteration
        colc = np.array(range(i)) # calculate column indices
        rowc = np.array([i]*i) # calculate row indices

        if any(rowc):
            print(np.sum(myarray[rowc,colc]))
            print(len(myarray[rowc,colc]))

            numvals += len(myarray[rowc,colc])
            totsum += np.sum(myarray[rowc,colc])


        print(list(zip([i]*i, np.arange(i))))

    mean = totsum / numvals

    return mean, numvals

 [165]: countdiag(test)



[]
0.35
1
[(1, 0)]
0.73
2
[(2, 0), (2, 1)]
1.04
3
[(3, 0), (3, 1), (3, 2)]
1.34
4
[(4, 0), (4, 1), (4, 2), (4, 3)]
0.346
Out[165]:
(0.346, 10)