已知行向量，如何用最简方法构造二维矩阵？附NumPy代码示例

嘿，我来帮你优化这个实现！你要从行向量生成那种每行取原向量从第i位开始、后面补零的二维矩阵，其实完全不用写for循环，用NumPy的向量化操作就能一步搞定，比你给的代码简洁高效多了。

先看看你原来的代码逻辑（顺便提个小问题：np.zeros的参数应该是元组(3,3)哦）：

import numpy as np
a = [1,2,3]
A = np.zeros((3,3))
for i in range(0,3):
    A[i][:] = a[i:3]

这段代码能得到目标矩阵，但手动循环在处理大数组时效率不高，代码也不够紧凑。

方法1：列表推导式+补零（直观易懂） #

用np.pad给每个切片补零，再用np.array直接转成矩阵，一行就能搞定：

import numpy as np
a = np.array([1,2,3])
n = len(a)
A = np.array([np.pad(a[i:], (0, i), constant_values=0) for i in range(n)])

运行后A就是你要的结果：

array([[1., 2., 3.],
       [2., 3., 0.],
       [3., 0., 0.]])

方法2：向量化操作（高效简洁，适合大数组） #

利用NumPy的广播特性，直接通过索引判断赋值，完全不需要循环：

import numpy as np
a = np.array([1,2,3])
n = len(a)
# 生成行和列的索引矩阵
rows, cols = np.indices((n, n))
# 当列索引>=行索引时取a[cols]，否则取0
A = np.where(cols >= rows, a[cols], 0)

这个方法的优势是完全向量化，处理大规模数据时速度比循环快很多，代码也更紧凑。

这两种方法都比原来的循环实现更简洁，而且符合NumPy的最佳实践~

内容的提问来源于stack exchange，提问作者Reza