将python矩阵中的上三角形复制到下三角形
这是我的python矩阵的一个简短版本。我有上面三角形的信息。是否有一个简单的函数可以将矩阵的上三角复制到下三角?如果我正确理解了这个问题,我相信这会起作用将python矩阵中的上三角形复制到下三角形,python,matrix,Python,Matrix,这是我的python矩阵的一个简短版本。我有上面三角形的信息。是否有一个简单的函数可以将矩阵的上三角复制到下三角?如果我正确理解了这个问题,我相信这会起作用 iluropoda_melanoleuca bos_taurus callithrix_jacchus canis_familiaris ailuropoda_melanoleuca 0 84.6 97.4 44 bos_taurus
iluropoda_melanoleuca bos_taurus callithrix_jacchus canis_familiaris
ailuropoda_melanoleuca 0 84.6 97.4 44
bos_taurus 0 0 97.4 84.6
callithrix_jacchus 0 0 0 97.4
canis_familiaris 0 0 0 0
要在NumPy中执行此操作,而不使用双循环,可以使用。请注意,根据矩阵大小,这可能会慢一些,尽管此方法更具可读性
for i in range(num_rows):
for j in range(i, num_cols):
matrix[j][i] = matrix[i][j]
注意不要尝试混合tril_索引
,因为它们都使用行主索引,也就是说,这不起作用:
>>> i_lower = np.tril_indices(n, -1)
>>> matrix[i_lower] = matrix.T[i_lower] # make the matrix symmetric
我想这里有一个更好的:
>>> i_upper = np.triu_indices(n, 1)
>>> i_lower = np.tril_indices(n, -1)
>>> matrix[i_lower] = matrix[i_upper] # make the matrix symmetric
>>> np.allclose(matrix.T, matrix)
False
为NumPy阵列执行此操作的最简单、最快速(无循环)方法如下:
与10x10矩阵相比,100x100矩阵的以下速度快约3倍,且大致相同
>>> a = np.arange(16).reshape(4, 4)
>>> print(a)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
>>> iu = np.triu_indices(4,1)
>>> il = (iu[1],iu[0])
>>> a[il]=a[iu]
>>> a
array([[ 0, 1, 2, 3],
[ 1, 5, 6, 7],
[ 2, 6, 10, 11],
[ 3, 7, 11, 15]])
请注意,矩阵必须是上三角形才能开始,或者它应该是上三角形,如下所示
import numpy as np
X= np.array([[0., 2., 3.],
[0., 0., 6.],
[0., 0., 0.]])
X = X + X.T - np.diag(np.diag(X))
print(X)
#array([[0., 2., 3.],
# [2., 0., 6.],
# [3., 6., 0.]])
如果U是上三角矩阵,可以使用和转置使其对称:
rng = np.random.RandomState(123)
X = rng.randomint(10, size=(3, 3))
print(X)
#array([[2, 2, 6],
# [1, 3, 9],
# [6, 1, 0]])
X = np.triu(X)
X = X + X.T - np.diag(np.diag(X))
print(X)
#array([[2, 2, 6],
# [2, 3, 9],
# [6, 9, 0]])
def inmatrix(m,n):#输入矩阵函数
a=[]
对于范围内的i(m):
b=[]
对于范围(n)内的j:
elm=int(输入(“在口袋中输入数字[“+str(i)+”][“+str(j)+”]”)
b、 附加(elm)
a、 附加(b)
归还
def矩阵(a):#打印矩阵函数
对于范围内的i(len(a)):
对于范围内的j(len(a[0]):
打印(a[i][j],end=”“)
打印()
m=int(输入(“输入行数”))
n=int(输入(“输入列数”))
a=inmatrix(m,n)#调用输入矩阵函数
矩阵(a)#打印矩阵
t=[]#创建空白列表
对于范围内的i(m):
对于范围(n)内的j:
如果i>j:#检查上三角元素
t、 附加(a[i][j])#将它们添加到列表中
k=0#列表变量
对于范围内的i(m):
对于范围(n)内的j:
如果是iYes,这对大型矩阵有效且速度更快。对于100x100,我的速度要快3到4倍,但10x10的速度是相同的。一个重要的警告是,只有当矩阵的下半部分全部为零时(如OP的问题中所述),这才有效。如果由于某种原因,下半部分并非全为零,则在添加转置和减去对角线后退之前,您需要包含X=np.triu(X)
,在这种情况下,10x10的速度要慢约2倍,但100x100的速度要快约1.5倍。您好@seralouk,如果您能在此线程中提供一些建议,我们将不胜感激:
LDU = triu(U,1)+U.T
def inmatrix(m,n):#input Matrix Function
a=[]
for i in range(m):
b=[]
for j in range(n):
elm=int(input("Enter number in Pocket ["+str(i)+"]["+str(j)+"] "))
b.append(elm)
a.append(b)
return a
def Matrix(a):#print Matrix Function
for i in range(len(a)):
for j in range(len(a[0])):
print(a[i][j],end=" ")
print()
m=int(input("Enter number of row "))
n=int(input("Enter number of column"))
a=inmatrix(m,n) #call input Matrix function
Matrix(a)#print Matrix
t=[]#create Blank list
for i in range(m):
for j in range(n):
if i>j:#check upper triangular Elements
t.append(a[i][j])#add them in a list
k=0#variable for list
for i in range(m):
for j in range(n):
if i<j:
a[i][j]=t[k]copy list item to lower triangular
k=k+1
Matrix(a)# print Matrix after change