python打印上三角矩阵_计算几何级数上三角矩阵的最快方法（Python）

您可以使用^{}：In [12]: n = 5

In [13]: b = 0.5

In [14]: toeplitz(b**np.arange(n), np.zeros(n)).T

Out[14]:

array([[ 1. , 0.5 , 0.25 , 0.125 , 0.0625],

[ 0. , 1. , 0.5 , 0.25 , 0.125 ],

[ 0. , 0. , 1. , 0.5 , 0.25 ],

[ 0. , 0. , 0. , 1. , 0.5 ],

[ 0. , 0. , 0. , 0. , 1. ]])

如果数组的使用是严格的“只读”的，那么可以使用numpy-strips来快速创建一个只使用2*n-1个元素(而不是n^2)的数组：

^{pr2}$

如果要就地修改数组，请复制make_array(b, n)返回的结果。也就是说，arr = make_array(b, n).copy()。在

函数make_array2包含@Jaime在评论中提出的建议：In [30]: def make_array2(b, n):

....: vals = np.zeros(2*n-1)

....: vals[n-1] = 1

....: vals[n:] = b

....: np.cumproduct(vals[n:], out=vals[n:])

....: a = as_strided(vals[n-1:], shape=(n, n), strides=(-vals.strides[0], vals.strides[0]))

....: return a

....:

In [31]: make_array2(0.5, 4)

Out[31]:

array([[ 1. , 0.5 , 0.25 , 0.125],

[ 0. , 1. , 0.5 , 0.25 ],

[ 0. , 0. , 1. , 0.5 ],

[ 0. , 0. , 0. , 1. ]])

make_array2的速度是make_array的两倍多：In [35]: %timeit make_array(0.99, 600)

10000 loops, best of 3: 23.4 µs per loop

In [36]: %timeit make_array2(0.99, 600)

100000 loops, best of 3: 10.7 µs per loop