假设我有两个2D NumPy数组A和B，我想计算其条目为C的矩阵C[i, j] = f(A[i, :], B[:, j])，其中f为一些函数需要两个1D数组并返回一个数字。
例如，如果def f(x, y): return np.sum(x * y)，那么我只会C = np.dot(A, B)。但是，对于一般函数f，是否有我可以利用的NumPy / SciPy实用程序比执行双循环更有效？
例如，取def f(x, y): return np.sum(x != y) / len(x)，其中x和y不仅仅是0/1位向量。
答案 0 :(得分：1)
这是一种使用广播的合理通用方法。
首先，重塑你的两个矩阵，使其成为四级张量。
A = A.reshape(A.shape + (1, 1))
B = B.reshape((1, 1) + B.shape)
其次，逐个元素地应用你的函数，而不进行任何减少。
C = f(A, B) # e.g. A != B
对您的矩阵进行重新整形后，可以将{n}变为broadcast。结果张量C的形状为A.shape + B.shape。
第三，通过例如对要丢弃的指数进行求和来应用任何所需的减少量：
C = C.sum(axis=(1, 3)) / C.shape[0]