以numpy的风格重构矩阵置换

方法#1

我们可以用 np.triu_indices 要获得这些成对排列索引,然后只需执行行索引数组的元素乘法-

r,c = np.triu_indices(d,1)
res = X[r]*X[c]

进近#2

为了提高内存效率和性能,特别是在大型阵列上,我们最好对输入阵列进行切片,并在每次迭代处理数据块时运行单个循环,如下所示-

n = d-1
idx = np.concatenate(( [0], np.arange(n,0,-1).cumsum() ))
start, stop = idx[:-1], idx[1:]
L = n*(n+1)//2
res_out = np.empty((L,X.shape[1]), dtype=X.dtype)
for i,(s0,s1) in enumerate(zip(start,stop)):
    res_out[s0:s1] = X[i] * X[i+1:]

得到 Z 我们可以直接修改先前发布的方法,这样可以避免所有这些连接-

n = d-1
N = len(X)
idx = 2*N + np.concatenate(( [0], np.arange(n,0,-1).cumsum() ))
start, stop = idx[:-1], idx[1:]
L = n*(n+1)//2
Z_out = np.empty((2*N + L,X.shape[1]), dtype=X.dtype)
Z_out[:N] = X
Z_out[N:2*N] = X**2
for i,(s0,s1) in enumerate(zip(start,stop)):
    Z_out[s0:s1] = X[i] * X[i+1:]