我希望对以下循环进行矢量化以提高效率:
A = np.array([[0., 1., 0., 2.],
[1., 0., 3., 0.],
[0., 0., 0., 4.],
[2., 0., 4., 0.]]) # quadratic, not symmetric Matrix, shape (i, i)
B = np.array([2., 4., 2., 1.]) # vector shape (i)
C = np.zeros(A.shape) # Result Matrix
# classical Loop:
for i in range(len(B)):
for j in range(len(B)):
C[i, j] = A[i, j]*(B[i]-B[j])
我在Mathcad中使用矢量化的第一次尝试并不是我想要的:
i = np.arange(len(B))
j = np.arange(len(B))
C[i,j] = A[i,j]*(B[i]-B[j]) # this fails to do what I want
我的第二次尝试是最好的方式吗,还是更容易更自然的“numpy方式”?
idx = np.indices(A.shape)
C[idx] = A[idx]*(B[idx[0]]-B[idx[1]])
答案 0 :(得分:2)
以下是您想要的:
A = np.array([[0., 1., 0., 2.],
[1., 0., 3., 0.],
[0., 0., 0., 4.],
[2., 0., 4., 0.]]) # quadratic, not symmetric Matrix, shape (i, i)
B = np.array([2., 4., 2., 1.]) # vector shape (i)
C = A*(B[:,None]-B)
C是
array([[ 0., -2., 0., 2.],
[ 2., 0., 6., 0.],
[ 0., -0., 0., 4.],
[-2., -0., -4., 0.]])
一点解释:
B[:,None]
会将B
转换为形状[4,1]
的列向量。 B[:,None]-B
自动将结果广播到4x4矩阵,您可以简单地乘以A