python如何迭代生成矩阵_快速python矩阵创建和迭代

Numpy矩阵通常更快，因为它们知道它们的维数和条目类型。在

在您的特定情况下，由于已经创建了arc_weight和node_degrees矩阵，因此可以直接从arc_weight创建矩阵，然后替换对角线：A = np.matrix(arc_matrix)

np.fill_diagonal(A, node_degree)

另一个选择是用一个函数来替换双循环，该函数在每个位置上放置正确的元素，并从该函数创建一个矩阵：

^{pr2}$

根据经验，使用numpy，你必须不惜一切代价避免循环。第一种方法应该更快，但你应该分析一下这两种方法，看看什么对你有用。你还应该考虑到你似乎在复制内存中的数据集，所以如果它真的很大，你可能会遇到麻烦。最好的办法是直接创建矩阵，避免弧重和节点度。在

编辑：列表理解和numpy矩阵创建之间的一些简单时间比较。因为我不知道你的弧长权和节点度是如何定义的，所以我只做了两个随机函数。如果函数有条件，numpy.fromfunction似乎会有点抱怨，所以我分两步构造矩阵。在import numpy as np

def arc_weight(a,b):

return a+b

def node_degree(a):

return a*a

def create_as_list(N):

return [[arc_weight(c,r) if c!=r else node_degree(c) for c in xrange(N)] for r in xrange(N)]

def create_as_numpy(N):

A = np.fromfunction(arc_weight, (N,N))

np.fill_diagonal(A, node_degree(np.arange(N)))

return A

这里是N=2000的计时：time A = create_as_list(2000)

CPU times: user 839 ms, sys: 16.5 ms, total: 856 ms

Wall time: 845 ms

time A = create_as_numpy(2000)

CPU times: user 83.1 ms, sys: 12.9 ms, total: 96 ms

Wall time: 95.3 ms