Question

作为批次欧几里德距离计算的一部分，我正在计算

(X * X).sum(axis=1)

其中X是一个相当大的二维数组。这工作正常，但它构造了一个与X大小相同的临时数组。有没有办法摆脱这种暂时的，但保留矢量化操作的效率？

明显的候选人，

np.array([np.dot(row, row) for row in X])

有效，但使用Python列表作为临时表，使其相当慢。

没有axis，内存效率形式将是

(X * X).sum()  =>  np.dot(X.ravel(), X.ravel())

我知道，当axis=1时，它等同于

np.diag(np.dot(X, X.T))

让我研究了dot的一般化，例如np.inner，np.tensordot和np.einsum，但我无法弄清楚它们如何解决我的问题。< / p>

Answer 1

einsum等价物是：

np.einsum('ij,ij->i', X, X)

虽然我不确定这是如何在内部工作的，但它可能会或可能不会解决您的问题。