用於多維陣列/矩陣的三角形索引和求和軸的選擇

Question

我試圖用多維數組來解決問題，而不是求助於for循環，以獲得性能提升，但在索引編制時遇到問題。

我試過各種使用np.newaxis的排列，但似乎無法實現以下功能。

問題：1

部分）採取的M×N×N的陣列稱爲a，並且對於每個所述M方陣的，設置上三角矩陣的元素作爲其負值。

第2部分）將M個矩陣（形狀爲N×N）中的每個矩陣中的所有元素求和，返回一個具有M個元素的一維數組。我們稱這個數組爲b。

嘗試性解決方案

下面是使用循環我MWP /企圖（這工作，但我寧願找一個充分陣列/基於矩陣的方法

a = np.array(
     [[[ 0, 1], 
     [ 5, 0]], 

     [[ 0, 3], 
     [ 2, 0]]]) 

第1部分）：

triangular_upper_idx = np.triu_indices_from(a[0]) 
for i in range(len(a)): 
    a[i][triangular_upper_idx] *= -1 
a 

結果：

array([[[ 0, -1], 
     [ 5, 0]], 

     [[ 0, -3], 
     [ 2, 0]]]) 

第2部分）：

b = np.zeros(len(a)) 
for i in range(len(a)): 
    b[i] = np.sum(a[i]) 
b 

結果：

array([ 4., -1.]) 

注： 我看到的這個話題（Triangular indices for multidimensional arrays in numpy），但解決了類似的問題有嵌套的for循環...我感覺numpy可能會提供更高效，更智能的基於陣列的解決方案？

任何指導將不勝感激。

感謝

Answer 1

是numpy的具有工具

r = 2 

neg_uppr = np.triu(-np.ones((r,r)),1) + np.tril(np.ones((r,r))) 

無法從數值例子告訴你，如果想在對角線太倒？然後使用np.triu(-np.ones((r,r))) + np.tril(np.ones((r,r)),-1)

neg_uppr 
Out[23]: 
array([[ 1., -1.], 
     [ 1., 1.]]) 

a = np.array(
     [[[ 0, 1], 
     [ 5, 0]], 

     [[ 0, 3], 
     [ 2, 0]]])  

其快速使用內置的逐元素的算術

a = a * neg_uppr 

a 
Out[26]: 
array([[[ 0., -1.], 
     [ 5., 0.]], 

     [[ 0., -3.], 
     [ 2., 0.]]])  

您可以指定座標軸來總結過：

np.sum(a, (1,2)) 
Out[27]: array([ 4., -1.])