Python生成满足多约束条件的随机稀疏矩阵实现问题求助

实现方案 #

核心约束适配思路 #

• 针对「若(i,j)非零则(j,i)必为0」的约束：仅在严格上三角区域生成非零元素，严格下三角全置0，天然满足不对称要求，同时默认对角元素为0，契合对角元全为0的约束
• 针对「无全零行/列」的约束：基础矩阵生成完成后，单独遍历全零行、全零列，在合法的上三角区域补非零值
• 针对「零元素占比随机」的约束：随机生成0.4~0.8区间的零占比（可自行调整区间范围）
• 针对「非零元素取值1~7」的约束：生成随机数时直接限定范围为1到7

完整实现代码 #

import numpy as np

def generate_target_matrix(n):
    # n为矩阵的维度，即行/列数
    mat = np.zeros((n, n), dtype=int)
    # 随机生成零元素占比，可按需修改取值区间
    zero_ratio = np.random.uniform(0.4, 0.8)
    # 计算严格上三角区域总元素数
    upper_total = n * (n - 1) // 2
    # 计算需要保留的非零元素数量
    non_zero_count = int(upper_total * (1 - zero_ratio))
    # 获取严格上三角的所有坐标
    upper_x, upper_y = np.triu_indices(n, k=1)
    # 随机选中要赋值的位置
    select_idx = np.random.choice(upper_total, size=non_zero_count, replace=False)
    # 给选中位置赋值1~7的随机整数
    mat[upper_x[select_idx], upper_y[select_idx]] = np.random.randint(1, 8, size=non_zero_count)
    
    # 补全全零行
    for i in range(n):
        if np.all(mat[i] == 0):
            # 该行严格上三角的列范围为i+1到n-1
            j = np.random.randint(i + 1, n)
            mat[i, j] = np.random.randint(1, 8)
    # 补全全零列
    for j in range(n):
        if np.all(mat[:, j] == 0):
            # 该列严格上三角的行范围为0到j-1
            i = np.random.randint(0, j)
            mat[i, j] = np.random.randint(1, 8)
    return mat

# 测试用例
if __name__ == "__main__":
    n = 6
    res = generate_target_matrix(n)
    print("生成的矩阵为：\n", res)
    # 约束校验
    print("对角元全为0校验：", np.all(np.diag(res) == 0))
    print("无对称非零校验：", np.all(res * res.T == 0))
    print("无全零行校验：", np.all(np.sum(res != 0, axis=1) > 0))
    print("无全零列校验：", np.all(np.sum(res != 0, axis=0) > 0))
    print("非零值范围1~7校验：", np.all(res[res != 0] >= 1) and np.all(res[res != 0] <= 7))

内容的提问来源于stack exchange，提问作者riskiem