如何使用numpy修改NxN矩阵的m×m子矩阵实现数值交替排布

你可以用numpy的向量化操作完全避免循环，运行效率远高于手写多层循环，以下是两种通用实现方案：

方案1：repeat扩展法 #

import numpy as np

# 可按需修改以下参数
N = 6           # 最终矩阵大小
m = 2           # 子块大小
val1 = 0        # 第一种子块的取值
val2 = 1        # 第二种子块的取值

block_num = N // m
# 生成块级交替的棋盘矩阵
block_grid = (np.arange(block_num)[:, np.newaxis] + np.arange(block_num)) % 2
# 把每个块扩展为m×m大小，替换为对应取值
res = np.where(block_grid.repeat(m, axis=0).repeat(m, axis=1) == 0, val1, val2)
print(res)

逻辑说明 #

• 先计算一共需要多少个子块：block_num = N // m（要求N必须是m的整数倍，否则不满足均匀排布子块的需求）
• 生成block_num × block_num的棋盘矩阵，每个位置的值根据坐标和模2交替为0、1，对应两种子块的类型
• 用repeat方法在行、列维度各重复m次，将每个块的位置放大为m×m的实际大小
• 最后用np.where把0、1替换为你需要的任意取值，不需要局限于0和1

方案2：克罗内克乘积法 #

如果你熟悉克罗内克乘积，可以用更简洁的写法实现相同效果：

import numpy as np

N = 6
m = 2
val1 = 0
val2 = 1

block_num = N // m
block_grid = (np.arange(block_num)[:, np.newaxis] + np.arange(block_num)) % 2
res = np.kron(block_grid, np.full((m, m), val2)) + np.kron(1 - block_grid, np.full((m, m), val1))
print(res)

两种方案都是完全基于numpy底层C实现的运算，没有Python层面的循环，当矩阵规模较大时性能比四层循环高出几个数量级，同时可读性也更好。

内容的提问来源于stack exchange，提问作者user17539312