Numpy에서 제자리에 행렬을 퍼머 트

파이썬의 numpy 라이브러리를 사용하여 여러 행과 열의 순서를 변경하여 밀도가 높은 사각형 전이 행렬을 제자리에서 수정하고 싶습니다. 수학적으로 이것은 순열 행렬 P에 의해 행렬을 미리 곱하고 P ^ -1 = P ^ T에 의해 곱셈하는 것에 해당하지만, 이것은 계산적으로 합리적인 해결책은 아닙니다.

지금은 수동으로 행과 열을 교환하고 있지만 numpy에는 멋진 함수 f (M, v)가 있고 여기서 M에는 n 개의 행과 열이 있고 v에는 n 개의 항목이 있으므로 f (M, v)가 업데이트됩니다. 인덱스 순열 v에 따르면 M. 어쩌면 인터넷 검색에 실패했을 것입니다.

numpy의 "고급 인덱싱"으로 이와 같은 것이 가능할 수도 있지만, 그러한 해결책이 제자리에 있지 않다는 것을 이해합니다. 또한 몇 가지 간단한 상황에서는 인덱스 순열을 개별적으로 추적하는 것으로 충분할 수 있지만 제 경우에는 편리하지 않습니다.

추가됨 :
때로는 사람들이 순열에 대해 이야기 할 때 통계에서 p- 값을 얻는 절차의 일부로 임의 순열의 샘플링 만 의미합니다. 또는 가능한 모든 순열을 세거나 열거하는 것을 의미합니다. 나는 이것에 대해 이야기하지 않습니다.

추가 :
매트릭스는 데스크탑 RAM에 들어갈만큼 작지만 생각없이 복사하고 싶지 않을만큼 큽니다. 실제로 행렬을 가능한 한 많이 사용하고 싶지만 RAM에 넣을 수 없다는 불편 함을 다루고 싶지 않으며 행렬에 대해 O (N ^ 3) LAPACK 작업을 수행합니다. 실제 매트릭스 크기를 제한하십시오. 필자는 현재이 행렬을 불필요하게 복사하지만 순열을 위해 쉽게 피할 수 있기를 바랍니다.

문서에 따르면 numpy에는 ndarray.sort 와 같은 내부 순열 방법이 없습니다 .

그래서 옵션 (즉 가정합니다 MA는 행렬과 순열 벡터)$N\times N$p

1. C에서 자신의 알고리즘을 확장 모듈로 구현 ( 적어도 제 위치 알고리즘 은 어렵습니다!)

2. 메모리 오버 헤드$N$

   for i in range(N):
       M[:,i] = M[p,i]
   for i in range(N):
       M[i,:] = M[i,p]

3. 메모리 오버 헤드$N^2$

   M[:,:] = M[p,:]
   M[:,:] = M[:,p]

이러한 차선책이 유용하기를 바랍니다.

경고 : 아래 예제는 제대로 작동하지만 포스트 엔드에서 제안 된 전체 매개 변수 집합을 사용 하면 numpy.take () 함수에서 버그 또는 "문서화되지 않은 기능"이 노출됩니다. 자세한 내용은 아래 주석을 참조하십시오. 버그 보고서 제출 .

numpy의 take () 함수를 사용 하여이 작업을 대신 수행 할 수 있지만 약간의 농구 점프가 필요합니다.

다음은 항등 행렬의 행을 무작위로 치환하는 예입니다.

import numpy as np
i = np.identity(10)
rr = range(10)
np.random.shuffle(rr)
np.take(i, rr, axis=0)
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.]])

제자리에서 수행하려면 "out"매개 변수를 입력 배열 과 동일 하게 지정하고 mode = "clip"또는 mode = "wrap"을 설정해야합니다. 모드를 설정하지 않으면 파이썬 예외에서 배열 상태를 복원하기 위해 복사합니다 (여기 참조) .

마지막으로, take는 배열 방법 인 것처럼 보입니다.

np.take(i, rr, axis=0)

당신은 전화 할 수 있었다

i.take(rr, axis=0)

그것이 당신의 취향에 더 가깝다면. 따라서 총 전화는 다음과 같아야합니다.

#Inplace Rearrange
arr = makeMyBixMatrix()
pVec0, pVec1 = calcMyPermutationVectors()
arr.take(pVec0, axis=0, out=arr, mode="clip")
arr.take(pVec1, axis=1, out=arr, mode="clip")

행과 열을 모두 바꾸 려면 두 번 실행하거나 numpy.unravel_index 를 사용 하여 추악한 shenanigans를 가져 와야 한다고 생각합니다.

희소 행렬이 COO형식으로 저장된 경우 다음이 도움이 될 수 있습니다.

    A.row = perm[A.row];
    A.col = perm[A.col];

ACOOpermnumpy.array$m$$m$

의견을 말할만큼 평판이 좋지 않지만 다음과 같은 질문이 도움이 될 것이라고 생각합니다. https://stackoverflow.com/questions/4370745/view-onto-a-numpy-array

기본 요점은 기본 슬라이싱을 사용할 수 있으며 복사하지 않고 어레이에 대한 뷰를 생성하지만 고급 슬라이싱 / 인덱싱 을 수행 하면 복사본 이 생성 된다는 것 입니다.

이건 어떤가요

my_array [:, [0, 1]] = my_array [:, [1, 0]]