如何将多维数组的对角元素与numpy进行比较

Question

我有一个非对称矩阵，基本上我想比较对角元素如下：

• 如果对角元素相等但符号相反，则保持元素的绝对值，对角元素为零

• 如果不是，那么这两个元素中的一个为0（但我们不知道是哪一个），所以取两者的绝对值。

完成后，转置矩阵的下三角形并将其添加到上三角形。

我想出了以下python循环：

for i in range(0, number_files):
    for j in range(0, len(Identifier)):
        for k in range(0,len(Identifier)):
            if Matrix[i][j][k] == - Matrix[i][k][j]: 
                Matrix[i][j][k] = abs(Matrix[i][j][k]) 
                Matrix[i][k][j] = 0                
            else:
                Matrix[i][j][k] = abs(Matrix[i][j][k]) # one of this two
                Matrix[i][k][j] = abs(Matrix[i][k][j]) # values is 0
    Matrix[i] = np.tril(Matrix[i],0).transpose() + np.triu(Matrix[i],0)

但是，这非常慢，我想知道如何使用 numpy 改进它。

我知道我可以生成一个测试，例如：

test=np.isclose(Matrix.transpose(),-Matrix)

这将返回一个布尔矩阵，但我不知道如何处理。

非常感谢您的帮助

Answer 1

让我们从创建一个样本矩阵开始：

>>> a = np.random.randint(-3, 3, 100).reshape(10,10)

获取它的上下三角形：

>>> triu = np.triu(a)
>>> tril = np.tril(a)

请注意，triu 和 tril 的大小与 a 相同，但在三角形外用零填充。

定义要修改的三角形，然后转置另一个。例如。修改上三角：

>>> tril = tril.T

按照您的建议，执行以下操作之一来创建适用于您的条件的掩码：

# For integer data
>>> mask = (triu == -tril) & (triu != 0)
# For real data
>>> mask = np.isclose(triu, -tril) & ~np.isclose(triu, 0)

注意添加的新条件 (!= 0)，以避免在 triu 和 tril 填充有 0 的比较比较。 mask 将包含True，其中上三角形triu 中的元素与下三角形tril 匹配。

执行你的条件：

# Second and abs part of the first condition
>>> a = np.abs(a)
# Set upper diagonal when matches lower diagonal to 0
>>> a[mask] = 0