如何高效生成无全零行的N×N随机二进制矩阵？

你的原方法通过循环重试生成矩阵，逻辑简单但效率低下——当p较小或n较大时，全零行出现概率高，每次重生成整个矩阵会浪费大量计算资源。下面提供两种更高效的实现方式：

方法一：仅修复全零行（通用高效） #

核心思路是：先生成初始矩阵，只对出现的全零行单独重新生成，而非整个矩阵重来，大幅减少不必要的计算。

import numpy as np

def random_matrix(p, n):
    # 生成初始二进制矩阵
    W = np.random.binomial(1, p, (n, n))
    # 找出所有全零行的索引
    zero_rows = np.where(W.sum(axis=1) == 0)[0]
    
    # 循环修复全零行，直到没有全零行为止
    while len(zero_rows) > 0:
        # 批量重新生成全零行
        W[zero_rows] = np.random.binomial(1, p, (len(zero_rows), n))
        # 更新全零行索引
        zero_rows = np.where(W.sum(axis=1) == 0)[0]
    
    return W

优势： #

• 利用numpy向量化操作批量处理全零行，速度快
• 仅针对不符合要求的行修改，避免全量重生成，尤其适合p不算极小的场景（此时初始生成后全零行数量少）

方法二：无循环强制保证每行非零（极致高效） #

如果对每行的概率分布要求可以接受轻微调整（允许某一个位置强制为1），可以直接一次性生成符合要求的矩阵，完全避免循环：

import numpy as np

def random_matrix_no_loop(p, n):
    # 先生成基础概率矩阵
    W = np.random.binomial(1, p, (n, n))
    # 为每行随机挑选一个位置设为1，确保无全零行
    row_indices = np.arange(n)
    col_indices = np.random.randint(0, n, size=n)
    W[row_indices, col_indices] = 1
    
    return W

注意事项： #

• 此方法中，被选中的位置的1的概率变为100%（而非原p），其余位置仍保持原概率p
• 优点是完全无循环，执行速度最快，适合对效率要求极高、对分布细节不敏感的场景

方法对比 #

内容的提问来源于stack exchange，提问作者Oalvinegro