Python中生成元素为列号的可变维度n×n矩阵的技术问询

当然可以！其实只需要结合np.eye(n)和NumPy的广播机制就能轻松实现你要的效果，完全不用脱离np.eye(n)的基础来重构代码。

实现思路 #

np.eye(n)生成的是对角为1、其余为0的n×n单位矩阵，我们可以利用它生成一个全1的列向量，再和列号数组做广播乘法，就能得到每行都等于列号的目标矩阵。

代码示例 #

import numpy as np

n = 3  # 你可以替换成任意正整数
# 生成列号数组（从1开始计数）
col_numbers = np.arange(1, n+1)
# 基于np.eye(n)生成目标矩阵
target_matrix = np.eye(n) @ np.ones((n, 1)) * col_numbers

print(target_matrix)

输出结果（n=3时） #

[[1. 2. 3.]
 [1. 2. 3.]
 [1. 2. 3.]]

原理解释 #

1. np.eye(n) @ np.ones((n, 1))：单位矩阵和n×1的全1向量做矩阵乘法，会得到一个n×1的全1列向量（因为单位矩阵乘以任何向量都等于原向量，这里原向量是全1）。
2. 这个全1列向量和形状为(1, n)的col_numbers（NumPy广播会自动将一维数组视为行向量）做乘法时，会自动把全1列向量扩展成n×n的全1矩阵，再和列号数组逐元素相乘，最终得到每个元素等于所在列号的矩阵。

更简洁的写法 #

如果你想更精简，也可以用np.eye(n)的求和操作来生成全1列向量：

target_matrix = np.eye(n).sum(axis=1, keepdims=True) * np.arange(1, n+1)

这里np.eye(n).sum(axis=1, keepdims=True)会对单位矩阵的每一行求和，得到n×1的全1列向量，后续的广播乘法逻辑和上面完全一致。

内容的提问来源于stack exchange，提问作者Andrew98