numpy中的对称矩阵？答案

【问题标题】：Symmetric matrices in numpy?numpy中的对称矩阵？
【发布时间】：2011-02-01 06:55:12
【问题描述】：

嗨，

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，但这不适合作为距离矩阵的后续输入。

numpy 中是否有任何“简单”的方法来创建对称矩阵？

谢谢， D.

编辑

我应该澄清一下 - 创建“对称”矩阵很好。但是我只对生成下三角形感兴趣，即

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

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

我想要：

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

这可能吗？

【问题讨论】：

您能否详细说明unsuitable for subsequent input into R as a distance matrix 的含义。你还没有标记R，那么它是否相关？谢谢
抱歉 - 不，这并不重要。项目之间的距离（欧几里得、曼哈顿、余弦等）以成对方式计算，因此是对称输出。我正在计算自定义矩阵，因为 R 不能很好地处理我的数据。不过那是另一回事了。为混乱道歉！
@Darren：仍然不确定您在寻找什么。您是否可能建议您仅计算例如上三对角部分，而神奇地低三对角部分会反映这一点？即使是可行的，我也会期待性能惩罚。你愿意展示你拥有的任何代码吗？
我认为 EOL 对类似 Q 的回答是正确的 (stackoverflow.com/questions/2572916/…)
如果你想要一个快速距离矩阵计算，看看scipy.spatial.pdistdocs.scipy.org/doc/scipy/reference/generated/…

标签： python matrix numpy symmetric

【解决方案1】：

我认为尝试使用这种三角形数组是不可行的。

例如，这里是（平方）成对欧几里德距离的简单实现：

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

在性能方面很难击败它（在 Python 级别）。不使用这种方法的主要优势是什么？

【讨论】：