Question

我尝试制作一个随机对称矩阵来测试我的程序。我根本不关心数据，只要它是对称的（足够的随机性根本不关心）。

我的第一次尝试是：

x=np.random.random((100,100))
x+=x.T

但是，np.all(x==x.T)返回False。 print x==x.T产生

array([[ True,  True,  True, ..., False, False, False],
   [ True,  True,  True, ..., False, False, False],
   [ True,  True,  True, ..., False, False, False],
   ..., 
   [False, False, False, ...,  True,  True,  True],
   [False, False, False, ...,  True,  True,  True],
   [False, False, False, ...,  True,  True,  True]], dtype=bool)

我尝试运行一个n = 10的小测试示例来查看发生了什么，但该示例的工作方式正如您所期望的那样。

如果我这样做：

x=np.random.random((100,100))
x=x+x.T

然后就可以了。

这里发生了什么？这些陈述在语义上是否相同？有什么区别？

Answer 1

这些语句在语义上不等同。 x.T返回原始数组的视图。在+=的情况下，您实际上在迭代它时更改x的值（这会更改x.T的值）。

以这种方式思考......当你的算法得到索引(3,4)时，它在伪代码中看起来像这样：

x[3,4] = x[3,4] + x[4,3]

现在，当您的迭代到达(4,3)时，您可以

x[4,3] = x[4,3] + x[3,4]

但是，x[3,4]不是您开始迭代时的情况。

在第二种情况下，您实际上创建了一个新的（空）数组并更改了空数组中的元素（从不写入x）。所以伪代码看起来像：

y[3,4] = x[3,4] + x[4,3]

和

y[4,3] = x[4,3] + x[3,4]

显然会给你一个对称矩阵（y。

numpy中生成对称矩阵的语义

1 个答案: