np.triu_indices 返回右上三角函数

最新推荐文章于 2023-09-22 19:34:11 发布

贝猫说python

最新推荐文章于 2023-09-22 19:34:11 发布

阅读量299

点赞数

文章标签： numpy 矩阵 triu_indices 欧氏距离索引

本文链接：https://blog.csdn.net/m0_37192554/article/details/117704586

版权

在这里插入图片描述

>>> a = np.arange(16).reshape(4, 4)
>>> a

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> iu1 = np.triu_indices(4)
>>> iu1
(array([0, 0, 0, 0, 1, 1, 1, 2, 2, 3]), array([0, 1, 2, 3, 1, 2, 3, 2, 3, 3]))   #表示 哪行那列的 矩阵数据

>>> a[iu1]
array([ 0,  1,  2,  3,  5,  6,  7, 10, 11, 15])  #按照索引取值

>>> iu1 = np.triu_indices(4,1)
>>> iu1
(array([0, 0, 0, 1, 1, 2]), array([1, 2, 3, 2, 3, 3]))
>>> a[iu1]
array([ 1,  2,  3,  6,  7, 11])

eucl_dist = euclidean_distances(norm, norm)[np.triu_indices(T, k=1)] # 100 *100的距离矩阵

数量应该是（100*100 - 主对角元素100）/2 = 4950 的一维向量