Numpy Kronecker三角矩阵

Question

我想建立一个M乘M矩阵，其中每个单元都是Kronecker delta的函数

下面是使用for循环执行此操作的代码：

# Note: X is an M by M numpy array
def build_matrix(X):
   def kd(i, j):
     if i==j:
         return 1
     else :
         return 0

  m = np.zeros((len(X), len(X)))
  for row in range(len(X)):
      for colom in range(len(X)):
          m[row][colom] = kd(X[row], X[colom])
  return m

有没有更好的Python式的方法来达到这个目的？在

Answer 1

不确定它是否更“Python”，但稍微短一点的方法是（假设你不想使用np.eye公司如其他人所述）：

matrix = np.zeros((M,M))
for i in range(M):
    matrix[i,i] = 1

现在有了一个对象（M乘M矩阵），如果行和列的索引不相等，则返回0；如果不相等，则返回1。在

Answer 2

如果要比较两个向量，那么可以选择使用np.meshgrid将n向量广播到n x n矩阵。np.meshgrid(x,x)将返回两个矩阵：第一个矩阵的向量堆叠在行中，第二个矩阵在列中。有关详细信息，请参阅docs。在

然后可以将函数定义为：

def kronecker_matrix(x,y):
  kmat = np.meshgrid(x,x)[0] == np.meshgrid(y,y)[1]
  return kmat.astype(np.int)   #kmat is a boolean, with .astype you pass it to an integer, if you like

#example:
kronecker_matrix(np.arange(5), np.arange(5))
>>array([[1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 1, 0],
       [0, 0, 0, 0, 1]])