Numpy 上三角矩阵triu和下三角矩阵tril
numpy.tril
下三角矩阵
>>> np.tril([[1,2,3],[4,5,6],[7,8,9],[10,11,12]], -1)
array([[ 0, 0, 0],
[ 4, 0, 0],
[ 7, 8, 0],
[10, 11, 12]])
numpy.triu
>>> np.triu([[1,2,3],[4,5,6],[7,8,9],[10,11,12]], -1)
array([[ 1, 2, 3],
[ 4, 5, 6],
[ 0, 8, 9],
[ 0, 0, 12]])
numpy.triu_indices
numpy.triu_indices(n, k=0, m=None)
参数：
n: 返回的索引将有效的数组的大小。k: int 可选， 对角线偏移m: int 可选 返回的数组将有效的数组的列维度。默认情况下，m等于n。
返回
inds：元组，形状（2）的数组，形状（n）
三角形的索引。返回的元组包含两个数组，每个数组的索引沿着数组的一个维度。可用于切割形状的阵列（n，n）。
In [29]: iu1 = np.triu_indices(3)
In [30]: iu2 = np.triu_indices(4)
In [31]: iu3 = np.triu_indices(4, 2)
In [32]: a = np.arange(16).reshape(4, 4)
In [33]: a
Out[33]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
In [34]: a[iu1]
Out[34]: array([ 0, 1, 2, 5, 6, 10])
In [35]: a[iu2]
Out[35]: array([ 0, 1, 2, 3, 5, 6, 7, 10, 11, 15])
In [36]: a[iu1]=-1
In [37]: a
Out[37]:
array([[-1, -1, -1, 3],
[ 4, -1, -1, 7],
[ 8, 9, -1, 11],
[12, 13, 14, 15]])
In [38]: a[iu2] = -10
In [39]: a
Out[39]:
array([[-10, -10, -10, -10],
[ 4, -10, -10, -10],
[ 8, 9, -10, -10],
[ 12, 13, 14, -10]])
In [40]: a = np.arange(16).reshape(4, 4)
In [41]: a
Out[41]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
In [42]: a[iu3]
Out[42]: array([2, 3, 7])
In [43]: a[iu3] = 100
In [44]: a
Out[44]:
array([[ 0, 1, 100, 100],
[ 4, 5, 6, 100],
[ 8, 9, 10, 11],
[ 12, 13, 14, 15]])
numpy.tril_indices 同理
numpy.triu_indices_from
返回上三角矩阵的索引
data = np.random.randn(5,5)
mask = np.zeros_like(data)
mask
array([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
np.triu_indices_from(mask)
(array([0, 0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 3, 3, 4], dtype=int64),
array([0, 1, 2, 3, 4, 1, 2, 3, 4, 2, 3, 4, 3, 4, 4], dtype=int64))
numpy.tril_indices_from 同理
参考：