Question

假设我有两个分别为A和B的数组(n1,m1,m2)和(n2,m1,m2)。我想计算尺寸为C的矩阵(n1,n2)，使其C[i,j] = sum((A[i,:,:] - B[j,:,:])^2)。以下是我到目前为止的情况：

import numpy as np
A = np.array(range(1,13)).reshape(3,2,2)
B = np.array(range(1,9)).reshape(2,2,2)
C = np.zeros(shape=(A.shape[0], B.shape[0]) )
for i in range(A.shape[0]):
    for j in range(B.shape[0]):
        C[i,j] = np.sum(np.square(A[i,:,:] - B[j,:,:]))
C

最有效的方法是什么？在R中，我将使用矢量化方法，例如outer。 Python有类似的方法吗？

感谢。

Answer 1

您可以使用scipy's cdist，这对reshaping输入数组2D之后的此类计算非常有效，就像这样 -

from scipy.spatial.distance import cdist

C = cdist(A.reshape(A.shape[0],-1),B.reshape(B.shape[0],-1),'sqeuclidean')

现在，上述方法必须具有内存效率，因此在处理大型数据时更好。对于小型输入数组，还可以使用np.einsum并利用NumPy broadcasting，如此 -

diffs = A[:,None]-B
C = np.einsum('ijkl,ijkl->ij',diffs,diffs)

numpy - 计算沿第一轴的两个数组之间的“元素方向”差异

1 个答案: