生成±1矩阵后，二维数组唯一相邻元素对乘积求和实现咨询

嘿，看起来你已经搞定了第一步的随机矩阵生成，接下来的相邻对乘积求和其实可以用更简洁的方式实现，我来帮你梳理一下思路和代码实现：

问题回顾 #

• 已成功生成随机填充1和-1元素的20×20矩阵
• 核心目标：计算所有唯一相邻元素对的乘积之和，再乘以系数D，理论结果范围为0到800D（注：如果是无重复的相邻对，实际总和范围是-760到760，乘以D后对应-760D到760D，推测你指的是绝对值范围或统计逻辑有微调，下面先按无重复的唯一对来实现）
• 当前你尝试的思路：通过创建22×22的扩展矩阵来处理边缘元素的索引问题，这个思路是可行的，不过我们可以优化遍历逻辑，避免重复计算相邻对。

实现方案（以Python为例） #

1. 生成初始矩阵 #

用numpy快速生成20×20的±1随机矩阵：

import numpy as np

# 生成20×20的随机±1矩阵
original_matrix = np.random.choice([1, -1], size=(20, 20))

2. 计算唯一相邻对乘积之和 #

为了保证“唯一”，我们只遍历每个元素时计算它右侧和下侧的相邻元素乘积——这样每个相邻对只会被计算一次，不会重复统计：

sum_products = 0
rows, cols = original_matrix.shape

# 遍历所有元素，计算右侧和下侧的相邻乘积
for i in range(rows):
    for j in range(cols):
        # 计算右侧相邻对（避免超出矩阵范围）
        if j < cols - 1:
            sum_products += original_matrix[i][j] * original_matrix[i][j+1]
        # 计算下侧相邻对（避免超出矩阵范围）
        if i < rows - 1:
            sum_products += original_matrix[i][j] * original_matrix[i+1][j]

# 计算最终结果
final_result = sum_products * D

3. 扩展矩阵版本实现（对应你的初始思路） #

如果你坚持要用22×22扩展矩阵的方式，也可以这样写，注意要避开填充边缘的无效相邻对：

# 创建22×22的扩展矩阵，边缘填充原矩阵的边缘元素
extended_matrix = np.pad(original_matrix, pad_width=1, mode='edge')

sum_products = 0
# 遍历原矩阵对应的位置（扩展矩阵的1~20行，1~20列）
for i in range(1, 21):
    for j in range(1, 21):
        # 右侧相邻对（对应原矩阵的(i-1,j)和(i-1,j+1)）
        sum_products += extended_matrix[i][j] * extended_matrix[i][j+1]
        # 下侧相邻对（对应原矩阵的(i-1,j)和(i,j)）
        sum_products += extended_matrix[i][j] * extended_matrix[i+1][j]

final_result = sum_products * D

结果验证 #

20×20矩阵的唯一相邻对总数是：

• 横向相邻对：20行 × 19对/行 = 380个
• 纵向相邻对：20列 × 19对/列 = 380个
• 总计：760个唯一相邻对

每个乘积的结果是1（两个元素相同）或-1（两个元素不同），所以sum_products的范围是-760到760，乘以D后结果范围是-760D到760D。如果你的理论范围是0到800D，可以对结果取绝对值，或者调整统计逻辑为包含重复计数（但这样总数会翻倍，范围也会扩大）。

内容的提问来源于stack exchange，提问作者Eddie.Campana