在numpy对角线下获得物品的数量

Question

我有一个相关矩阵，我想得到对角线以下的项目数。最好是numpy。

[[1,   0,   0,   0,  0], 
[.35,  1,   0,   0,  0], 
[.42, .31,  1,   0,  0], 
[.25, .38, .41,  1,  0], 
[.21, .36, .46, .31, 1]]

我希望它返回10.或者，返回对角线下所有数字的平均值。

Answer 1

建立

a = np.array([[1.  , 0.  , 0.  , 0.  , 0.  ],
              [0.35, 1.  , 0.  , 0.  , 0.  ],
              [0.42, 0.31, 1.  , 0.  , 0.  ],
              [0.25, 0.38, 0.41, 1.  , 0.  ],
              [0.21, 0.36, 0.46, 0.31, 1.  ]])

---

numpy.tril_indices将给出对角线下所有元素的指数（如果你提供-1的偏移量），从那里，它变得像索引和调用mean和size一样简单

---

n, m = a.shape

m = np.tril_indices(n=n, k=-1, m=m)

a[m]
# array([0.35, 0.42, 0.31, 0.25, 0.38, 0.41, 0.21, 0.36, 0.46, 0.31])

a[m].mean()
# 0.346

a[m].size
# 10

Answer 2

一个更原始和笨重的答案，因为numpy提供np.tril_indices作为user3483203提到，但你想要的每行迭代我是以下（在[行，col]索引）：

                      (i=0)
[1,0]                 (i=1) 
[2,0] [2,1]           (i=2)
[3,0] [3,1] [3,2]     (i=3)
...

这本质上是与zip列出[i,i,i,...] = [i]*i（我重复i）的[0,1,...,i-1] = range(i)。因此，迭代表的行，您实际上可以获得每次迭代的索引并执行您选择的运算符。

示例设置：

test = np.array(
[[1,   0,   0,   0,  0], 
[.35,  1,   0,   0,  0], 
[.42, .31,  1,   0,  0], 
[.25, .38, .41,  1,  0], 
[.21, .36, .46, .31, 1]])

功能定义：

def countdiag(myarray):
    numvals = 0
    totsum = 0


    for i in range(myarray.shape[0]): # row iteration
        colc = np.array(range(i)) # calculate column indices
        rowc = np.array([i]*i) # calculate row indices

        if any(rowc):
            print(np.sum(myarray[rowc,colc]))
            print(len(myarray[rowc,colc]))

            numvals += len(myarray[rowc,colc])
            totsum += np.sum(myarray[rowc,colc])


        print(list(zip([i]*i, np.arange(i))))

    mean = totsum / numvals

    return mean, numvals

测试：

 [165]: countdiag(test)



[]
0.35
1
[(1, 0)]
0.73
2
[(2, 0), (2, 1)]
1.04
3
[(3, 0), (3, 1), (3, 2)]
1.34
4
[(4, 0), (4, 1), (4, 2), (4, 3)]
0.346
Out[165]:
(0.346, 10)