迭代具有不同行的矩阵[重复]答案

【问题标题】：Iterate over matrices with distinct rows [duplicate]迭代具有不同行的矩阵[重复]
【发布时间】：2014-03-14 09:54:08
【问题描述】：

如何有效地遍历所有由 0 和 1 组成的 h × n 数组，其中所有行和所有列都是不同的？目前我正在这样做。

h = 10
n = 15
hxn = np.arange(h*n).reshape(h, -1)
for i in xrange(0, 2**(h*n)):
    M = (i >> hxn) & 1
#DO WORK

但这包括许多行或列相同的二维数组。我也不关心行或列的顺序。

我不想只测试每个 M 以查看它是否有重复的行或列并丢弃它们，因为这将非常低效。我想找到一种方法来迭代数量少得多且没有重复行或列的矩阵。

【问题讨论】：

您是在尝试首先确定矩阵的行和列是否不同，然后对它们进行操作，还是对给定矩阵中的每个不同的行和/或列执行操作？
@ap 这些都不是。我想通过 n 个矩阵迭代所有 h 的子集。那只是矩阵没有重复的行或列。
你确定它非常低效吗？你期待什么形状的矩阵？
@user2357112 形状是 h × n。在这种情况下，二进制 10 x 15 矩阵的总数为 2^(150)。但是没有重复列行的二进制 10 x 15 矩阵的数量要少得多。
其实不是。一个非常粗略的上限表示，最多 10.4% 的 10 x 15 二进制矩阵有重复的行或列。

标签： python numpy

【解决方案1】：

您可以像这样使用 Numpy 的 sum() 函数设置新矩阵 M 和计算；

import numpy as np
h = 10
n = 15

M = np.zeros( (h,n), dtype ='float64' ) # create matrice M dimensioned h,n with floats
                                        # if you want integers instead of floats, change
                                        # dtype to 'int32'
hxn = np.arange(h*n).reshape(h, -1)

for i in xrange(0,h):   # loop in range h starting from 0
    for j in range(0,n):  # loop in range n from 0
        M[i,j] = sum([(i*j)*2])   # set matrice row and column, M[i,j] by sum([]) 

        print M

【讨论】：

这似乎暗示只有 h*n 矩阵没有重复的行或列，但这是不对的。
对，没有用 M=np.zeros( (h,n), dtype ='float64' ) 创建的重复行，它严格从 h 和 n 中的数据设置行和列.它汇总了 h 和 n 的所有出现次数，因此如果两次出现相同的情况，例如 h = 5 n =5 出现两次，它将在列中给出 2，因此您不必添加 *2 除非您想将其相乘两次出现次数 2.
M 不是二进制的。它们必须只包含 0 或 1。
那么 M[i,j] += 1 而不是 M[i,j] = sum([(i*j)*2])，它将在 h 和n 共现，其余为 0。