具有numpy的对称矩阵

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 

我试图做的是创建一个对称矩阵，填充0和1（概率为0.7）。 这里是double for循环，效率非常低......我会用numpy做些什么，我相信这可以加速很多事情？ 有谁知道如何继续？ 非常感谢！

Answer 1

您可以使用numpy随机模块生成随机向量，并使用这些向量来为矩阵播种。例如：此斜使用numpy.diag，但可以做到这逐行组装上部或下部三角形部分，然后用除了形成对称矩阵

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 

一样。我没有感觉可能会更快。

---

编辑： 其实此行明智的版本比对角线的版本，我想应该不会那么奇怪，因为内存访问它使用比斜纹组件模式快约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

这是更简单，比上述在行版本快约4倍。这里三角矩阵从权重的全矩阵直接形成，然后添加到它的转置，以产生对称矩阵：

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 

在我测试Linux系统中，第1版大约需要6.5毫秒，第2版大约需要1.5毫秒，版本3大约需要450微秒。