numpy 中的对称矩阵？

发布于 2024-10-14 22:26:06 字数 420 浏览 3 评论 0原文

我希望在 python 中启动一个对称矩阵并用零填充它。

目前，我已经启动了一个已知维度的数组，但这不适合随后作为距离矩阵输入到 R 中。

numpy 中是否有任何“简单”方法来创建对称矩阵？

编辑

我应该澄清 - 创建“对称”矩阵很好。然而，我只对生成下三角形式感兴趣，即，

ar = numpy.zeros((3, 3))

array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

我想：

array([[ 0],
       [ 0, 0 ],
       [ 0.,  0.,  0.]])

这可能吗？

原文

I wish to initiate a symmetric matrix in python and populate it with zeros.

At the moment, I have initiated an array of known dimensions but this is unsuitable for subsequent input into R as a distance matrix.

Are there any 'simple' methods in numpy to create a symmetric matrix?

Edit

I should clarify - creating the 'symmetric' matrix is fine. However I am interested in only generating the lower triangular form, ie.,

ar = numpy.zeros((3, 3))

array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

I want:

array([[ 0],
       [ 0, 0 ],
       [ 0.,  0.,  0.]])

Is this possible?

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

一杆小烟枪 2024-10-21 22:26:06

我认为尝试使用这种三角形阵列是不可行的。

因此，这里是（平方）成对欧几里得距离的简单实现：

def pdista(X):
    """Squared pairwise distances between all columns of X."""
    B= np.dot(X.T, X)
    q= np.diag(B)[:, None]
    return q+ q.T- 2* B

就性能而言，很难击败它（在 Python 级别）。不使用这种方法的主要优点是什么？

I don't think it's feasible to try work with that kind of triangular arrays.

So here is for example a straightforward implementation of (squared) pairwise Euclidean distances:

def pdista(X):
    """Squared pairwise distances between all columns of X."""
    B= np.dot(X.T, X)
    q= np.diag(B)[:, None]
    return q+ q.T- 2* B

For performance wise it's hard to beat it (in Python level). What would be the main advantage of not using this approach?

回复收藏 0 原文

~没有更多了~