Numpy“多重网格”

Question

numpy中有没有什么明显的方法可以取代像：

for x in X:
    xi, xj = meshgrid(x, x, indexing='ij')

单一（可能）更高效的操作：

^{pr2}$

X的示例如下：

^{3}$

主要的问题是，我可以在X中有数十万个条目，而且可能操作经常被重复。在

该问题是在有限元法中装配整体刚度矩阵K而引起的。对于长度为n的X中的每一个条目，我都有一个矩阵“nxn”，我必须把它写进这个全局矩阵中。这个矩阵在稀疏稀疏坐标格式。在

你好，马雷克

Answer 1

我认为这回答了问题，虽然我不确定这是否是构建稀疏矩阵的最佳方法。。 不管怎样，下面的代码在X中创建了一个“视图”，因此它在计算和内存方面都非常高效。 试试看:)

from numpy.lib.stride_tricks import as_strided

m = 3
n = 4
X = np.arange(m*n).reshape((m,n))

sz = X.itemsize
Xi = as_strided(X, shape=(m,n,n), strides=(n*sz, sz, 0))
Xj = as_strided(X, shape=(m,n,n), strides=(n*sz, 0, sz))

但是，当X不是正则矩阵时，这就不起作用了。E、 在你的例子中，第三行有5个元素，而其他行有6个元素。在