numpy.triu_indices#

numpy.triu_indices(n, k=0, m=None)[源]#

返回 (n, m) 数组的上三角部分的索引。

参数:
nint

返回的索引将有效的数组的大小。

kint, optional

对角线偏移量 (有关详细信息，请参阅 triu)。

mint, optional

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:
indstuple, shape(2) of ndarrays, shape(n)

分别为行索引和列索引。行索引按非递减顺序排序，对应列索引对于每一行严格递增。

另请参阅

tril_indices

类似的函数，用于下三角。

mask_indices

接受任意掩码函数的通用函数。

triu, tril

示例

>>> import numpy as np

计算两个不同的索引集来访问 4x4 数组，一个用于从主对角线开始的上三角部分，另一个用于从右边两个对角线开始的部分。

>>> iu1 = np.triu_indices(4)
>>> iu1
(array([0, 0, 0, 0, 1, 1, 1, 2, 2, 3]), array([0, 1, 2, 3, 1, 2, 3, 2, 3, 3]))

请注意，行索引 (第一个数组) 是非递减的，而对应的列索引 (第二个数组) 对于每一行是严格递增的。

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])

以及用于赋值

>>> 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 (主对角线右侧的两个对角线)。

>>> iu2 = np.triu_indices(4, 2)
>>> a[iu2] = -10
>>> a
array([[ -1,  -1, -10, -10],
       [  4,  -1,  -1, -10],
       [  8,   9,  -1,  -1],
       [ 12,  13,  14,  -1]])
在此页面