如何提取非方形 numpy 数组的下/上三角形？答案

【问题标题】：How do I extract the lower/upper triangle of a non-square numpy array?如何提取非方形 numpy 数组的下/上三角形？
【发布时间】：2020-07-26 22:48:30
【问题描述】：

所以基本上我有一个数组 subslope 包含以下内容：

import numpy as np
import matplotlib.pyplot as plt

slp = 1501.66*(np.ones((1000,1000), dtype=np.float32))
vsub = 2000*(np.ones((1000,1000), dtype=np.float32))

slope = np.triu(slp)
slope2 = np.tril(vsub, k=-1)
subslope = slope + slope2

这是视觉表示：

您可以看到分隔数组的两个部分的对角线，上半部分在对角线下方的值分别为 1501.66 和 2000。但是，当我更改尺寸以使列数明显大于行数时，如下所示：

slp = 1501.66*(np.ones((1000,2000), dtype=np.float32))
vsub = 2000*(np.ones((1000,2000), dtype=np.float32))

我们得到以下信息：

我想要的是从数组的顶角到底角的对角线，如下所示：

我怎样才能做到这一点？

【问题讨论】：

你将如何“四舍五入”索引。上、下、圆？
我想总结一下
查看np.tri 和np.triu，了解它们是如何得出索引的。也许您可以根据需要调整它们。

标签： python arrays numpy matplotlib imshow

【解决方案1】：

要生成你的数组，用 nR 行和 nC 列填充：

在与valDiag的对角线，
在对角线上 valUpper,
在valLower对角线下方，

您可以使用以下功能：

def genDiag(nR, nC, valUpper, valDiag, valLower):
    slope = nC / nR
    tbl = np.full((nR, nC), valDiag, dtype=float)
    for r in range(nR):
        tbl[r, 0 : int(round(slope * r, 0))] = valLower
        tbl[r, int(round(slope * (r + 1), 0)) : nC] = valUpper
    return tbl

要测试它，在较小的数字上运行：

res = genDiag(8, 14, 15.1, 0, 20.2)
print(res)

结果是：

[[ 0.   0.  15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1]
 [20.2 20.2  0.   0.  15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1]
 [20.2 20.2 20.2 20.2  0.  15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1 15.1]
 [20.2 20.2 20.2 20.2 20.2  0.   0.  15.1 15.1 15.1 15.1 15.1 15.1 15.1]
 [20.2 20.2 20.2 20.2 20.2 20.2 20.2  0.   0.  15.1 15.1 15.1 15.1 15.1]
 [20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2  0.  15.1 15.1 15.1 15.1]
 [20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2  0.   0.  15.1 15.1]
 [20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2 20.2  0.   0. ]]

如果您希望此表不单独填充对角线，首先决定是否要填充对角线元素使用“上”或“下”值，然后将所选值作为 valDiag 传递。

【讨论】：

【解决方案2】：

您可以使用np.indices 创建一个布尔掩码：

import numpy as np
import matplotlib.pyplot as plt

shape = (1000, 2000)
i,j = np.indices(shape)
m = np.ceil(i <= j*shape[0]/shape[1]).astype(bool)

subslope = np.empty(shape, np.float32)
subslope[m] = 1501.66
subslope[~m] = 2000

plt.imshow(subslope)

【讨论】：