Python numpy triu_indices用法及代码示例

本文简要介绍 python 语言中 numpy.triu_indices 的用法。

用法:

numpy.triu_indices(n, k=0, m=None)

返回 (n, m) 数组的 upper-triangle 的索引。

参数：

n： int

返回的索引对其有效的数组的大小。

k： 整数，可选

对角线偏移(详见 triu )。

m： 整数，可选

返回数组对其有效的数组的列维度。默认情况下，m 等于 n。

返回：

inds： 元组，ndarrays 的 shape(2)，shape(n)

三角形的索引。返回的元组包含两个数组，每个数组都有沿数组一维的索引。可用于切片形状(n，n)的ndarray。

注意：

例子：

计算两组不同的索引以访问 4x4 数组，一组用于从主对角线开始的上三角部分，一组从更右侧的两个对角线开始：

>>> iu1 = np.triu_indices(4)
>>> iu2 = np.triu_indices(4, 2)

以下是它们如何与示例数组一起使用：

>>> a = np.arange(16).reshape(4, 4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

两者都用于索引：

>>> a[iu1]
array([ 0,  1,  2, ..., 10, 11, 15])

对于赋值：

>>> a[iu1] = -1
>>> a
array([[-1, -1, -1, -1],
       [ 4, -1, -1, -1],
       [ 8,  9, -1, -1],
       [12, 13, 14, -1]])

这些只覆盖了整个数组的一小部分(主数组右侧的两条对角线)：

>>> a[iu2] = -10
>>> a
array([[ -1,  -1, -10, -10],
       [  4,  -1,  -1, -10],
       [  8,   9,  -1,  -1],
       [ 12,  13,  14,  -1]])