如何提取对称张量的排列唯一元素及对应索引？

要解决这个问题，核心是基于索引的排列等价性分组，而非依赖元素值去重。np.unique会误将偶然相等但索引不排列等价的元素归为一类，因此我们需要从索引本身的结构入手处理：

实现思路 #

1. 生成张量的所有索引集合
2. 为每个索引生成「规范标识」：将索引元组排序，排列等价的索引排序后完全相同
3. 基于规范标识去重，保留每个等价类的一个原始索引及对应元素

代码示例 #

import numpy as np

def get_perm_unique_elements(tensor):
    # 获取张量的阶数n和单维度大小m
    n = tensor.ndim
    m = tensor.shape[0]
    
    # 生成所有索引：先得到(n, m, m, ..., m)的索引网格，转置后重塑为(m^n, n)的二维数组
    indices = np.indices(tensor.shape).transpose().reshape(-1, n)
    
    # 对每个索引元组排序，得到排列等价类的统一标识
    sorted_indices = np.sort(indices, axis=1)
    
    # 提取唯一规范标识对应的原始索引位置
    _, unique_positions = np.unique(sorted_indices, axis=0, return_index=True)
    
    # 整理唯一索引和对应元素
    unique_idx_tuples = [tuple(idx) for idx in indices[unique_positions]]
    unique_values = tensor[tuple(indices[unique_positions].T)]
    
    return list(zip(unique_idx_tuples, unique_values))

# 测试：构造一个3阶对称张量（shape=(2,2,2)）
m, n = 2, 3
# 先生成排列唯一元素的基础值，再填充所有排列等价的索引位置
base_values = np.random.randint(0, 10, size=6)
sym_tensor = np.zeros((m,)*n)
for idx in np.ndindex(sym_tensor.shape):
    sorted_idx = tuple(sorted(idx))
    # 映射排序后的索引到基础值的位置（简单哈希实现）
    val_pos = sum([m**i * sorted_idx[i] for i in range(n)]) - sum([m**i * i for i in range(n)])
    sym_tensor[idx] = base_values[val_pos]

# 提取结果
unique_items = get_perm_unique_elements(sym_tensor)
print("排列唯一索引及对应元素：")
for idx, val in unique_items:
    print(f"索引{idx}: {val}")

关键说明 #

• 索引规范化：排序索引元组是最直接的方式，确保所有排列等价的索引拥有完全相同的标识，彻底避免元素值偶然相等带来的误判。
• 高效去重：np.unique(axis=0)对排序后的索引数组按行去重，return_index=True直接获取原始索引的位置，无需额外循环分组，效率较高。
• 通用性：代码适用于任意阶数n和任意维度m的对称张量，无需针对特定阶数修改逻辑。

内容的提问来源于stack exchange，提问作者Jingyang Wang