具有numpy的对称矩阵

| 
from random import *
N = 100
gamma = 0.7
connect = zeros((N,N))

for i in range(N):
    for j in range(i+1):
        if random() < gamma:
            connect[i,j] = 1
            connect[j,i] = 1
        else:
            connect[i,j] = 0
            connect[j,i] = 0
我试图做的是创建一个对称矩阵，该矩阵填充有零和一（概率为0.7的一个）。 这是double for循环，效率很低...我将用numpy制作一些东西，我相信这可以大大加快速度吗？ 有人知道如何进行吗？ 非常感谢你！     
2020-01-29 2 条评论
分享

没有找到相关结果

    已邀请:

    渐首洽陈染

            您可以使用numpy随机模块生成随机向量，并使用这些向量为矩阵设定种子。例如： 
    import numpy as np

N = 100
gamma = 0.7
connect = np.zeros((N,N),dtype=np.int32)

for i in range(0,N):
        dval = np.diag((np.random.random_sample(size=(N-i))<gamma).astype(np.int32),i)
        connect += dval
        if (i>0):
                connect += dval.T
    使用
    numpy.diag
    对角线进行此操作，但是您可以按行将其组合成上部或下部三角形部分，然后使用加法来形成对称矩阵。我不觉得这可能会更快。 编辑： 实际上，这种逐行版本比对角版本快大约5倍，考虑到与对角线汇编相比，它使用的内存访问模式，我认为这并不奇怪。 
    N = 100
gamma = 0.7
connect = np.zeros((N,N),dtype=np.int32)

for i in range(0,N):
    rval = (np.random.random_sample(size=(N-i))<gamma).astype(np.int32)
    connect[i,i:] = rval

connect += np.triu(connect,1).T
    编辑2 这甚至比上面的逐行版本更简单，并且快约4倍。在这里，三角形矩阵直接由权重的完整矩阵构成，然后添加到其转置中以生成对称矩阵： 
    N = 100
gamma = 0.7
a=np.triu((np.random.random_sample(size=(N,N))<gamma).astype(np.int32))
connect = a + np.triu(a,1).T
    在我对其进行测试的Linux系统上，版本1大约需要6.5毫秒，版本2大约需要1.5毫秒，版本3大约需要450微秒。     
    2020-01-29 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.045786142349243