的更新

Question

说我有两个数组，

import numpy as np


x = np.array([1, 2, 3, 4])
y = np.array([5, 6, 7, 8])

获得新数组z的最快，最Pythonic等方法是什么，其中包含许多等于x.size * y.size的元素，其中元素是每个元素的产物来自两个输入数组的元素对(x_i, y_j)。

要改写，我正在寻找z为z[k]的数组x[i] * y[j]。

一种简单但效率低下的方法如下：

z = np.empty(x.size * y.size)
counter = 0
for i in x:
    for j in y:
        z[counter] = i * j
        counter += 1

运行上面的代码显示此示例中的z是

In [3]: z
Out[3]: 
array([  5.,   6.,   7.,   8.,  10.,  12.,  14.,  16.,  15.,  18.,  21.,
        24.,  20.,  24.,  28.,  32.])

Answer 1

嗯，我对numpy有很多经验，但快速搜索给了我这个： http://docs.scipy.org/doc/numpy/reference/generated/numpy.ufunc.outer.html

>>> np.multiply.outer([1, 2, 3], [4, 5, 6])
array([[ 4,  5,  6],
   [ 8, 10, 12],
   [12, 15, 18]])

然后，您可以展平该数组以获得您请求的相同输出： http://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.flatten.html

编辑：@Divakar的答案向我们表明，ravel会做与flatten相同的事情，除了更快o.O所以请使用它。

所以在你的情况下，它看起来像这样：

>>> np.multiply.outer(x, y).ravel()

奖励：你可以用这个来多维度！

Answer 2

这是一种方法：

import itertools


z = np.empty(x.size * y.size)
counter = 0
for i, j in itertools.product(x, y):
    z[counter] = i * j
    counter += 1

尽管摆脱那个计数器，以及for循环（但至少我摆脱了其中一个循环），这很好。

的更新

作为一个单行，其他提供的答案比这个更好（根据我的标准，它重视简洁）。下面的时间结果表明，@ BilalAkil的答案比@TimLeathart的答案要快：

In [10]: %timeit np.array([x * j for j in y]).flatten() The slowest run took 4.37 times longer than the fastest. This could mean that an intermediate result is being cached 10000 loops, best of 3: 24.2 µs per loop In [11]: %timeit np.multiply.outer(x, y).flatten() The slowest run took 5.59 times longer than the fastest. This could mean that an intermediate result is being cached 100000 loops, best of 3: 10.5 µs per loop

Answer 3

这是一种方法：

import numpy as np

x = np.array([1, 2, 3, 4])
y = np.array([5, 6, 7, 8])
z = np.array([y * a for a in x]).flatten()

Answer 4

这里可以提出另外两种方法。

使用matrix-multiplication with np.dot：

np.dot(x[:,None],y[None]).ravel()

使用np.einsum：

np.einsum('i,j->ij',x,y).ravel()

运行时测试

In [31]: N = 10000
    ...: x = np.random.rand(N)
    ...: y = np.random.rand(N)
    ...: 

In [32]: %timeit np.dot(x[:,None],y[None]).ravel()
1 loops, best of 3: 302 ms per loop

In [33]: %timeit np.einsum('i,j->ij',x,y).ravel()
1 loops, best of 3: 274 ms per loop

与@BilalAkil's answer相同，但使用ravel()代替flatten()作为更快的替代方案 -

In [34]: %timeit np.multiply.outer(x, y).ravel() 
1 loops, best of 3: 211 ms per loop

@BilalAkil's answer：

In [35]: %timeit np.multiply.outer(x, y).flatten()
1 loops, best of 3: 451 ms per loop

@Tim Leathart's answer：

In [36]: %timeit np.array([y * a for a in x]).flatten()
1 loops, best of 3: 766 ms per loop

Answer 5

我知道我在这里参加聚会迟到了，但是我认为以后对阅读此问题的任何人都应该戴上帽子。使用与@Divakar相同的度量标准，我在列表中添加了我认为是更直观的解决方案（测量的第一个代码段）：

import numpy as np
N = 10000
x = np.random.rand(N)
y = np.random.rand(N)

%timeit np.ravel(x[:,None] * y[None])
635 ms ± 19.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit np.outer(x, y).ravel()
640 ms ± 16 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit np.dot(x[:,None],y[None]).ravel()
853 ms ± 57.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit np.einsum('i,j->ij',x,y).ravel()
754 ms ± 19.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

基于执行时间的相似性，numpy.outer的内部功能似乎与我的解决方案完全相同，尽管您应该使用大量的盐进行此类观察。

我觉得它更直观的原因是，与所有其他解决方案不同，它的语法并不严格限于乘法。例如，np.ravel(x[:,None] / y[None])将为x中的每个a和y中的b都给您一个a / b。

将一个数组的每个元素乘以另一个数组的每个元素

5 个答案:

的更新