当前位置：文江博客话题详情

创建具有某些约束的2D Numpy数组

发布于 2025-02-04 02:25:56 字数 639 浏览 2 评论 0原文

我想创建一个大小n，n的2维数数组 m （Square Matrix m是），以及以下约束：

每行的总和等于
一个元素均在0到1之间。
每行元素的。

例如，对于正方形矩阵 m = np.Array（[[[[0.88,0.12]，[0.13,0.87]]））

（奖励）我希望每行的条目都遵循一些高斯类似的分布，这些发行版的峰值，对于行<代码> i ，位于元素m [i，i]。

在因此，线程提出了类似的问题。但是，在那里进行回答，我无法找到一种方法。这是一个搜索问题，我确实知道它可能被称为优化问题。但是，我想知道这些约束是否可以满足而无需一些专门的求解器。

原文

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。

我很坚强 2025-02-11 02:25:56

1）和2）：

M = np.random.rand(n,n)
x = M / M.sum(1, keepdims=True)

For 1) and 2):

M = np.random.rand(n,n)
x = M / M.sum(1, keepdims=True)

回复收藏 0 原文

倚栏听风 2025-02-11 02:25:56

我从每个坐标的行数中减去列数，然后使用它们来计算高斯函数的值，最后将其乘以随机数组并归一化。

它可能不是那么随机，但是很有可能满足您的要求：

>>> size = 4
>>> ii, jj = np.indices((size, size))
>>> gaussian = np.exp(-((ii - jj) ** 2) / 2)
>>> result = np.random.normal(1, .1, gaussian.shape) * gaussian
>>> result /= result.sum(1, keepdims=True)
>>> result
array([[0.47556382, 0.38041462, 0.11953135, 0.02449021],
       [0.24805318, 0.4126681 , 0.26168636, 0.07759236],
       [0.10350016, 0.26245839, 0.37168771, 0.26235374],
       [0.02027633, 0.11892695, 0.31971733, 0.54107939]])

I subtract the number of columns from the number of rows per coordinate, and then use them to calculate the value of the Gaussian function, and finally multiply it by a random array and normalize it.

It may not be so random, but it has a high probability of meeting your requirements:

>>> size = 4
>>> ii, jj = np.indices((size, size))
>>> gaussian = np.exp(-((ii - jj) ** 2) / 2)
>>> result = np.random.normal(1, .1, gaussian.shape) * gaussian
>>> result /= result.sum(1, keepdims=True)
>>> result
array([[0.47556382, 0.38041462, 0.11953135, 0.02449021],
       [0.24805318, 0.4126681 , 0.26168636, 0.07759236],
       [0.10350016, 0.26245839, 0.37168771, 0.26235374],
       [0.02027633, 0.11892695, 0.31971733, 0.54107939]])

回复收藏 0 原文

~没有更多了~