如何在NumPy中通过向量化（无for循环）定义指定元素的N×N矩阵？

核心向量化实现（与MATLAB逻辑一致） #

利用NumPy的广播机制可以直接复刻MATLAB的向量化思路，代码简洁且效率极高：

import numpy as np

N = 2000
ii = np.arange(1, N + 1)  # 生成1到N的一维数组，等价于MATLAB的1:N
A = np.sin(ii ** 2 + ii[:, np.newaxis])

代码解释 #

1. np.arange(1, N+1)：创建从1到N的一维数组，对应MATLAB中的ii = 1:N。
2. ii ** 2：对数组每个元素计算平方，得到形状为(N,)的数组。
3. ii[:, np.newaxis]：将一维数组转换为列向量（形状变为(N,1)），触发NumPy的广播机制——当形状为(N,)的ii**2与(N,1)的列向量相加时，两者会自动扩展为(N,N)的矩阵，对应位置元素完成加法运算。
4. np.sin(...)：对扩展后的矩阵进行元素级正弦计算，直接得到目标矩阵。

可选实现方式（使用meshgrid） #

如果更直观地想生成行/列索引矩阵，可以用np.meshgrid，注意指定indexing='ij'以匹配MATLAB的索引逻辑：

import numpy as np

N = 2000
i, j = np.meshgrid(np.arange(1, N+1), np.arange(1, N+1), indexing='ij')
A = np.sin(i ** 2 + j)

为什么向量化更快？ #

原来的嵌套for循环需要在Python解释器层面逐元素计算，开销极大；而NumPy的向量化运算基于底层C实现，能批量处理数组元素，避免了Python循环的额外开销，当N=2000时，速度提升会非常显著。

内容的提问来源于stack exchange，提问作者Archisman Panigrahi