Question

我确定numpy中的这个很容易，但我找不到合适的方法。基本上我需要像outer()这样的东西但是需要减法。这是我通过LC的工作代码：

import numpy as np

a = np.array(((1,2,3), (2,3,4), (3,4,5)))
b = np.array(((6,7,8), (6,3,1)))

print np.array([i-j for i in a for j in b])

输出：

[[-5 -5 -5]
 [-5 -1  2]
 [-4 -4 -4]
 [-4  0  3]
 [-3 -3 -3]
 [-3  1  4]]

以下是发布的答案的速度比较。 a有1000000个条目，b有100个：

In [22]: %timeit np.array([i-j for i in a for j in b])
1 loops, best of 3: 12.3 s per loop

In [23]: %timeit np.repeat(a,b.shape[0],0)-np.tile(b,(a.shape[0],1))
10 loops, best of 3: 50.1 ms per loop

In [24]: %timeit (a[:,np.newaxis,:]-b).reshape(-1, 3)
10 loops, best of 3: 125 ms per loop

Answer 1

你可以通过在减法之前重塑a来利用广播，然后重新整形以获得所需的结果：

In [97]: (a[:,np.newaxis,:]-b).reshape(-1, 3)
Out[97]: 
array([[-5, -5, -5],
       [-5, -1,  2],
       [-4, -4, -4],
       [-4,  0,  3],
       [-3, -3, -3],
       [-3,  1,  4]])

说明：

In [101]: a.shape
Out[101]: (3, 3)

In [99]: a[:,np.newaxis,:].shape
Out[99]: (3, 1, 3)

In [100]: b.shape
Out[100]: (2, 3)

当NumPy评估a[:,np.newaxis,:]-b时，它会在减法之前将a[:,np.newaxis,:]和b的形状广播到(3, 2, 3)。粗略地说，第一轴和第二轴不相互作用。减法仅在第3轴发生。相对于第一和第二轴对每个位置执行减法。这就是NumPy相当于

for i in a for j in b

结果是

In [102]: a[:,np.newaxis,:]-b
Out[102]: 
array([[[-5, -5, -5],
        [-5, -1,  2]],

       [[-4, -4, -4],
        [-4,  0,  3]],

       [[-3, -3, -3],
        [-3,  1,  4]]])

In [103]: (a[:,np.newaxis,:]-b).shape
Out[103]: (3, 2, 3)

唯一要做的就是重塑结果，使其达到理想的形式。

Answer 2

使用 np.repeat（）和 np.tile（）重复/平铺数组

import numpy as np

a = np.array(((1,2,3), (2,3,4), (3,4,5)))
b = np.array(((6,7,8), (6,3,1)))
c = np.repeat(a,b.shape[0],0)-np.tile(b,(a.shape[0],1))

print c

array([[-5, -5, -5],
       [-5, -1,  2],
       [-4, -4, -4],
       [-4,  0,  3],
       [-3, -3, -3],
       [-3,  1,  4]])

通过numpy从另一个列表中的向量中减去列表中的每个向量

2 个答案: