我有一个形状为arr.shape=N，M，M的numpy数组。
我想访问每个M，M数组的下三角形。我试过使用
arr1 = arr[:,np.tril_indices(M,-1)]
arr1 = arr[:][np.tril_indices(M,-1)]
等等，在第一种情况下内核会死亡，而在第二种情况下，我收到一个错误，说：
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-23-1b36c5b12706> in <module>
----> 1 arr1 = arr[:][np.tril_indices(M,-1)]
IndexError: index 6 is out of bounds for axis 0 with size 6
何处
N=6
为了澄清，我想找到每个M，M数组(N个这样的实例(的下三角中的所有元素，并将结果保存在一个新的形状数组中：
arr1.shape = (N,(M*(M-1))/2)
编辑：
当np.tril(arr(工作时，它会产生阵列
arr1 = np.tril(arr)
arr1.shape
#(N,M,M)
我希望得到的数组是指定的形状，也就是说，我不希望数组的上部是
谢谢
使用tri...函数集时，检查源代码非常有用。它们都是python，并且基于np.tri。
制作一个小样本阵列-说明并验证答案：
In [205]: arr = np.arange(18).reshape(2,3,3) # arange(1,19) might be better
In [206]: arr
Out[206]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]]])
CCD_ 3将上三角值设置为0。它在这种情况下是有效的，但对3d阵列的应用并没有文档记录。
In [207]: np.tril(arr)
Out[207]:
array([[[ 0, 0, 0],
[ 3, 4, 0],
[ 6, 7, 8]],
[[ 9, 0, 0],
[12, 13, 0],
[15, 16, 17]]])
但在代码中，如果首先从最后2个维度构造布尔掩码：
In [208]: mask = np.tri(*arr.shape[-2:], dtype=bool)
In [209]: mask
Out[209]:
array([[ True, False, False],
[ True, True, False],
[ True, True, True]])
并且使用CCD_ 4将一些值设置为0。这是通过广播在3d情况下工作。mask和arr在最后两个维度上匹配，所以mask可以broadcast匹配：
In [210]: np.where(mask, arr, 0)
Out[210]:
array([[[ 0, 0, 0],
[ 3, 4, 0],
[ 6, 7, 8]],
[[ 9, 0, 0],
[12, 13, 0],
[15, 16, 17]]])
你的tril_indices只是这个掩码的索引：
In [217]: np.nonzero(mask) # aka np.where
Out[217]: (array([0, 1, 1, 2, 2, 2]), array([0, 0, 1, 0, 1, 2]))
In [218]: np.tril_indices(3)
Out[218]: (array([0, 1, 1, 2, 2, 2]), array([0, 0, 1, 0, 1, 2]))
它们不能直接用于索引arr:
In [220]: arr[np.tril_indices(3)].shape
Traceback (most recent call last):
File "<ipython-input-220-e26dc1f514cc>", line 1, in <module>
arr[np.tril_indices(3)].shape
IndexError: index 2 is out of bounds for axis 0 with size 2
In [221]: arr[:,np.tril_indices(3)].shape
Out[221]: (2, 2, 6, 3)
但是打开两个索引数组的包装：
In [222]: I,J = np.tril_indices(3)
In [223]: I,J
Out[223]: (array([0, 1, 1, 2, 2, 2]), array([0, 0, 1, 0, 1, 2]))
In [224]: arr[:,I,J]
Out[224]:
array([[ 0, 3, 4, 6, 7, 8],
[ 9, 12, 13, 15, 16, 17]])
布尔掩码也可以直接使用：
In [226]: arr[:,mask]
Out[226]:
array([[ 0, 3, 4, 6, 7, 8],
[ 9, 12, 13, 15, 16, 17]])
基础CCD_ 11通过简单地执行外部>＝关于指数
In [231]: m = np.greater_equal.outer(np.arange(3),np.arange(3))
In [232]: m
Out[232]:
array([[ True, False, False],
[ True, True, False],
[ True, True, True]])
In [234]: np.arange(3)[:,None]>=np.arange(3)
Out[234]:
array([[ True, False, False],
[ True, True, False],
[ True, True, True]])
import numpy as np
a = np.random.rand(2, 5, 5)
#array([[[0.28212197, 0.29827562, 0.05151153, 0.90448236, 0.07521404],
# [0.38938978, 0.67007919, 0.83561652, 0.5950061 , 0.73563179],
# [0.77515285, 0.31973392, 0.91861436, 0.87386527, 0.85917542],
# [0.12588184, 0.09173029, 0.28577701, 0.4884228 , 0.07183555],
# [0.68656271, 0.19941039, 0.07924489, 0.15046004, 0.91011737]],
#
# [[0.18662788, 0.45745028, 0.14557573, 0.22425571, 0.14204739],
# [0.44502694, 0.85773626, 0.78554919, 0.07306402, 0.14608384],
# [0.70620254, 0.81497515, 0.09397011, 0.32053184, 0.255485 ],
# [0.50139688, 0.51539848, 0.24719375, 0.80708819, 0.39685176],
# [0.94052069, 0.53927081, 0.39567362, 0.06065674, 0.53479994]]])
np.tril(a)
#array([[[0.28212197, 0. , 0. , 0. , 0. ],
# [0.38938978, 0.67007919, 0. , 0. , 0. ],
# [0.77515285, 0.31973392, 0.91861436, 0. , 0. ],
# [0.12588184, 0.09173029, 0.28577701, 0.4884228 , 0. ],
# [0.68656271, 0.19941039, 0.07924489, 0.15046004, 0.91011737]],
#
# [[0.18662788, 0. , 0. , 0. , 0. ],
# [0.44502694, 0.85773626, 0. , 0. , 0. ],
# [0.70620254, 0.81497515, 0.09397011, 0. , 0. ],
# [0.50139688, 0.51539848, 0.24719375, 0.80708819, 0. ],
# [0.94052069, 0.53927081, 0.39567362, 0.06065674, 0.53479994]]])
如果你想去除零并将其展平为(2, 15)阵列(注意，每个下三角阵列中有10个零(-
a_no_zeros = np.array([el
for mat in a_lower
for row in mat
for el in row
if el > 0
]).reshape(2, 15)