python - 如何使用 bool 型方形对称 numpy 数组中的真值存储存储索引对？

Question

我有一个整数值为 1 或 0 的 Numpy 数组(必要时可以转换为 bool 值)。该数组是正方形和对称的(请参阅下面的注释)，我想要一个出现 1 的索引列表:

请注意 array[i][j] == array[j][i]和 array[i][i] == 0通过设计。我也不能有任何重复。

import numpy as np
array = np.array([
    [0, 0, 1, 0, 1, 0, 1],
    [0, 0, 1, 1, 0, 1, 0],
    [1, 1, 0, 0, 0, 0, 1],
    [0, 1, 0, 0, 1, 1, 0],
    [1, 0, 0, 1, 0, 0, 1],
    [0, 1, 0, 1, 0, 0, 0],
    [1, 0, 1, 0, 1, 0, 0]
])

我想要这样的结果(每个子列表的顺序并不重要，子列表中每个元素的顺序也不重要):

[
    [0, 2], 
    [0, 4], 
    [0, 6], 
    [1, 2], 
    [1, 3],
    [1, 5],
    [2, 6],
    [3, 4],
    [3, 5],
    [4, 6]
]

要说明的另一点是，我不希望使用条件 j<i 遍历所有索引两次。因为我的数组的大小可能很大，但我知道这是可能的 - 我已经使用两个 for 循环编写了一个示例:

result = []
for i in range(array.shape[0]):
    for j in range(i):
        if array[i][j]:
            result.append([i, j])
print(pd.DataFrame(result).sort_values(1).values)


# using dataframes and arrays for formatting but looking for
# 'result' which is a list

# Returns (same as above but columns are the opposite way round):
[[2 0]
 [4 0]
 [6 0]
 [2 1]
 [3 1]
 [5 1]
 [6 2]
 [4 3]
 [5 3]
 [6 4]]

Answer 1

idx = np.argwhere(array)
idx = idx[idx[:,0]<idx[:,1]]

另一种方式:

idx = np.argwhere(np.triu(array))

输出:

[[0 2]
 [0 4]
 [0 6]
 [1 2]
 [1 3]
 [1 5]
 [2 6]
 [3 4]
 [3 5]
 [4 6]]

---

比较:

#@bousof solution
def method1(array):
  return np.vstack(np.where(np.logical_and(array, np.diff(np.ogrid[:array.shape[0],:array.shape[0]])[0]>=0))).transpose()[:,::-1]

#Also mentioned by @hpaulj
def method2(array):
  return np.argwhere(np.triu(array))

def method3(array):
  idx = np.argwhere(array)
  return idx[idx[:,0]<idx[:,1]]

#The original method in question by OP(d-man)
def method4(array):
  result = []
  for i in range(array.shape[0]):
      for j in range(i):
          if array[i][j]:
              result.append([i, j])
  return result

#suggestd by @bousof in comments
def method5(array):
  return np.vstack(np.where(np.triu(array))).transpose()

inputs = [np.random.randint(0,2,(n,n)) for n in [10,100,1000,10000]]

似乎 method1、method2 和 method5 对于大型数组来说稍微快一些，而 method3 对于较小的数组更快案例: