如何通过无循环矩阵乘法计算区域供给对应的流入流出列表

直接用numpy的广播与掩码运算即可实现全向量化计算，完全不需要显式for循环，适配大矩阵场景：

核心逻辑 #

1. 先通过广播运算生成全量转移矩阵，每个元素对应从起点区域到终点区域的实际转移供给量
2. 用单位矩阵生成掩码，过滤掉起点、目的地为同一区域的自转移数据
3. 按行求和得到各区域流出量，按列求和得到各区域流入量

完整实现代码 #

import numpy as np

# 输入数据
Supply = np.array([10, 20])
OD_matrix = np.array([0.3,0.7,0.5,0.5]).reshape(2,2)

# 生成全量OD转移矩阵（i行j列对应区域i到区域j的转移供给量）
flow_matrix = Supply[:, np.newaxis] * OD_matrix
# 生成自转移掩码：对角线为0，其余位置为1
mask = 1 - np.eye(OD_matrix.shape[0], dtype=OD_matrix.dtype)

# 计算流出量：行求和，排除自转移
Out = (flow_matrix * mask).sum(axis=1)
# 计算流入量：列求和，排除自转移
In = (flow_matrix * mask).sum(axis=0)
# 更新后的供给量，和原有dot运算结果完全一致
Updated_Supply = flow_matrix.sum(axis=0)

输出验证 #

打印上述变量结果：

Supply [10, 20]
In [10.0, 7.0]
Out [7.0, 10.0]
Updated Supply [13.0, 17.0]

和你给出的示例输出完全匹配。该方案基于numpy底层优化的向量化运算，即使是上万维度的大OD矩阵，也能在短时间内完成计算，性能远高于手动循环实现。

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