具有numpy的對稱矩陣

Question

from random import * 
N = 100 
gamma = 0.7 
connect = zeros((N,N)) 

for i in range(N): 
    for j in range(i+1): 
     if random() < gamma: 
      connect[i,j] = 1 
      connect[j,i] = 1 
     else: 
      connect[i,j] = 0 
      connect[j,i] = 0 

我試圖做的是創建一個對稱矩陣，填充0和1（概率爲0.7）。 這裏是double for循環，效率非常低......我會用numpy做些什麼，我相信這可以加速很多事情？ 有誰知道如何繼續？ 非常感謝！

Answer 1

您可以使用numpy隨機模塊生成隨機向量，並使用這些向量來爲矩陣播種。例如：此斜使用numpy.diag，但可以做到這逐行組裝上部或下部三角形部分，然後用除了形成對稱矩陣

import numpy as np 

N = 100 
gamma = 0.7 
connect = np.zeros((N,N),dtype=np.int32) 

for i in range(0,N): 
     dval = np.diag((np.random.random_sample(size=(N-i))<gamma).astype(np.int32),i) 
     connect += dval 
     if (i>0): 
       connect += dval.T 

一樣。我沒有感覺可能會更快。

---

編輯： 其實此行明智的版本比對角線的版本，我想應該不會那麼奇怪，因爲內存訪問它使用比斜紋組件模式快約5倍。

N = 100 
gamma = 0.7 
connect = np.zeros((N,N),dtype=np.int32) 

for i in range(0,N): 
    rval = (np.random.random_sample(size=(N-i))<gamma).astype(np.int32) 
    connect[i,i:] = rval 

connect += np.triu(connect,1).T 

---

EDIT 2

這是更簡單，比上述在行版本快約4倍。這裏三角矩陣從權重的全矩陣直接形成，然後添加到它的轉置，以產生對稱矩陣：

N = 100 
gamma = 0.7 
a=np.triu((np.random.random_sample(size=(N,N))<gamma).astype(np.int32)) 
connect = a + np.triu(a,1).T 

在我測試Linux系統中，第1版大約需要6.5毫秒，第2版大約需要1.5毫秒，版本3大約需要450微秒。