Question

我有两个向量，v1和v2。我想从v2的每个值中减去v1的每个值，并将结果存储在另一个向量中。我也想使用非常大的向量（例如1e6大小），所以我认为我应该使用numpy来表现。

到目前为止，我有：

import numpy
v1 = numpy.array(numpy.random.uniform(-1, 1, size=1e2))
v2 = numpy.array(numpy.random.uniform(-1, 1, size=1e2))
vdiff = []
for value in v1:
    vdiff.extend([value - v2])

这将创建一个包含100个条目的列表，每个条目都是100的数组。但我不知道这是否是最有效的方法。我想用尽可能小的物体尺寸（记忆）来非常快速地计算出1e4的期望值。

Answer 1

你提到的巨型阵列不会带来很多乐趣。但是如果你有更合理大小的矩阵（足够小以至于结果可以适合内存），最好的方法是使用broadcasting。

import numpy as np

a = np.array(range(5, 10))
b = np.array(range(2, 6))

res = a[np.newaxis, :] - b[:, np.newaxis]
print(res)
# [[3 4 5 6 7]
#  [2 3 4 5 6]
#  [1 2 3 4 5]
#  [0 1 2 3 4]]

Answer 2

`np.subtract.outer`

您可以将np.ufunc.outer与np.subtract一起使用，然后转置：

a = np.array(range(5, 10))
b = np.array(range(2, 6))

res1 = np.subtract.outer(a, b).T
res2 = a[np.newaxis, :] - b[:, np.newaxis]

assert np.array_equal(res1, res2)

两种方法的性能相当。

从两个数组中减去所有值对

2 个答案:

`np.subtract.outer`