Matlab转Python提取下子对角元素：为何输出顺序不一致？

问题背景 #

将Matlab代码转换为Python代码时，提取矩阵下子对角元素的总和与Matlab一致，但输出顺序不同，后续需使用corrcoef，顺序差异会导致结果异常，需要解决顺序匹配问题。

原Matlab代码及输出 #

values = 1:100;
matrix = reshape(values,[10,10]);

subdiag = find(tril(ones(10),-1));

matrix_subdiag = matrix(subdiag);

subdiag_sum = sum(matrix_subdiag);
disp(matrix_subdiag(1:10))
disp(subdiag_sum)

输出：

2
3
4
5
6
7
8
9
10
13
1530

Python尝试代码及输出 #

import numpy as np

matrix = np.arange(1,101).reshape(10,10)
matrix_t = matrix.T #to match MATLAB arrangement

matrix_subdiag = matrix_t[np.tril_indices((10), k = -1)]

subdiag_sum = np.sum(matrix_subdiag)
print(matrix_subdiag[0:10], subdiag_sum)

输出：

[2  3 13  4 14 24  5 15 25 35] 1530

错误原因及解决方案 #

核心差异 #

Matlab采用列优先（column-major）的数组存储与索引顺序，而Numpy默认是行优先（row-major）。你的代码通过转置矩阵试图匹配Matlab的结构，但np.tril_indices返回的索引对依然遵循行优先遍历逻辑，导致元素提取顺序不符。

正确实现代码 #

方法一：匹配Matlab的列优先reshape与索引

import numpy as np

# 构造矩阵时指定order='F'，匹配Matlab的列优先reshape
matrix = np.arange(1, 101).reshape(10, 10, order='F')
# 获取下三角（不含主对角线）的索引对
row_idx, col_idx = np.tril_indices(10, k=-1)
# 提取元素
matrix_subdiag = matrix[row_idx, col_idx]

subdiag_sum = np.sum(matrix_subdiag)
print(matrix_subdiag[:10])
print(subdiag_sum)

方法二：直接计算列优先的线性索引

如果不想修改矩阵的构造方式，可以直接计算下三角元素在列优先展平后的位置：

import numpy as np

matrix = np.arange(1, 101).reshape(10, 10)
# 按列优先展平矩阵
flat_matrix = matrix.ravel(order='F')

n = 10
# 生成下三角（k=-1）元素的列优先线性索引（0-based）
indices = []
for col in range(n):
    for row in range(col + 1, n):
        indices.append(col * n + row)

matrix_subdiag = flat_matrix[indices]

subdiag_sum = np.sum(matrix_subdiag)
print(matrix_subdiag[:10])
print(subdiag_sum)

两种方法的输出均与Matlab一致：

[ 2  3  4  5  6  7  8  9 10 13]
1530

内容的提问来源于stack exchange，提问作者Pave