Numpy“多网格”

Question

在 numpy 中是否有任何明显的方法可以替换如下内容：

for x in X:
    xi, xj = meshgrid(x, x, indexing='ij')

使用单一（可能更高效）的操作，例如：

Xi, Xj = multi_meshgrid(X, X, indexing='ij')

X的例子如下：

X = np.array([[0,1,2,3,4,5], [5,6,7,8,9,10], [11,12,13,14,15], ...])

主要问题是我可以在 X 中拥有成千上万个条目，并且可能经常重复操作。

问题来自于在有限元法中组装全局刚度矩阵 K。对于长度为 n 的 X 中的每个条目，我都有一个矩阵“n x n”，我必须将其记入这个全局矩阵。该矩阵采用 scipy.sparse 坐标格式。

问候，马雷克

Answer 1

我认为这回答了这个问题，尽管我不确定这是否是最终构建稀疏矩阵的最佳选择.. 无论如何，下面的代码在X 中创建了一个“视图”，因此它在计算和内存方面都非常有效。 试试看:)

from numpy.lib.stride_tricks import as_strided

m = 3
n = 4
X = np.arange(m*n).reshape((m,n))

sz = X.itemsize
Xi = as_strided(X, shape=(m,n,n), strides=(n*sz, sz, 0))
Xj = as_strided(X, shape=(m,n,n), strides=(n*sz, 0, sz))

但是，当X 不是常规矩阵时，这不起作用。例如。在您的示例中，第三行有 5 个元素，而其他行有 6 个。