Python Numpy中对称方阵置换的有效方法

在Numpy中，当处理对称方阵（

NxN

）其中

N>20000

时，执行以下操作的最佳方法是什么

>>> a = np.arange(9).reshape([3,3])
>>> a = np.maximum(a, a.T)
>>> a
array([[0, 3, 6],
       [3, 4, 7],
       [6, 7, 8]])
>>> perm = np.random.permutation(3)
>>> perm
array([1, 0, 2])
>>> shuffled_arr = a[perm, :][:, perm]
>>> shuffled_arr
array([[4, 3, 7],
       [3, 0, 6],
       [7, 6, 8]])

当N约为19K时，这大约需要6-7秒。虽然Matlab中的相同操作只需不到一秒钟：

perm = randperm(N);
shuffled_arr = arr(perm, perm);

一个索引步骤要快得多：

In [706]: timeit a[perm[:,None],perm]   # same as `np.ix_...`
1 loop, best of 3: 1.88 s per loop

In [707]: timeit a[perm,:][:,perm]
1 loop, best of 3: 8.88 s per loop

In [708]: timeit np.take(np.take(a,perm,0),perm,1)
1 loop, best of 3: 1.41 s per loop

---

a[perm，perm[：，None]]

属于8s类别。

我会做

arr[np.ix（perm，perm）]

，不过我不知道它是否会更快。@user2357112很高兴知道这一点！它只减少了大约1秒的处理时间（仍然是5-6秒）。您也可以尝试

arr[perm，perm[：，None]]

，但我不知道是否会更快。忽略这个建议。对于一个具有形状（10000，10000）的数组，它所需的时间是arr[np.ix(perm，perm）]的两倍多。请参阅。在您的例子中，

np.take（np.take（a，perm，0），perm，1）

。

In [706]: timeit a[perm[:,None],perm]   # same as `np.ix_...`
1 loop, best of 3: 1.88 s per loop

In [707]: timeit a[perm,:][:,perm]
1 loop, best of 3: 8.88 s per loop

In [708]: timeit np.take(np.take(a,perm,0),perm,1)
1 loop, best of 3: 1.41 s per loop