Question

我想知道是否有内置操作可以从Python循环中释放我的代码。

问题在于：我有两个矩阵A和B。 A有N行，B有N列。我想将i中的每个A行与来自i的相应B列相乘（使用NumPy广播）。结果矩阵将在输出中形成i层。所以我的结果将是三维数组。

NumPy中是否提供此类操作？

Answer 1

直接表达您的要求的一种方法是使用np.einsum()：

>>> A = np.arange(12).reshape(3, 4)
>>> B = np.arange(15).reshape(5, 3)
>>> np.einsum('...i,j...->...ij', A, B)
array([[[  0,   0,   0,   0,   0],
        [  0,   3,   6,   9,  12],
        [  0,   6,  12,  18,  24],
        [  0,   9,  18,  27,  36]],

       [[  4,  16,  28,  40,  52],
        [  5,  20,  35,  50,  65],
        [  6,  24,  42,  60,  78],
        [  7,  28,  49,  70,  91]],

       [[ 16,  40,  64,  88, 112],
        [ 18,  45,  72,  99, 126],
        [ 20,  50,  80, 110, 140],
        [ 22,  55,  88, 121, 154]]])

这使用Einstein summation convention。

有关进一步的讨论，请参阅T.W.Körner撰写的Vectors, Pure and Applied: A General Introduction to Linear Algebra第3章。在其中，作者引用了爱因斯坦写给朋友的一封有趣的段落：

“我在数学方面取得了很大的发现;每次必须对两次出现的指数进行求和时，我就抑制了求和符号......”

Answer 2

是的，用最简单的形式你只需添加＆＃34;零＆＃34;维度，以便NumPy沿A行和B列广播：

>>> import numpy as np

>>> A = np.arange(12).reshape(3, 4) # 3 row, 4 colums
>>> B = np.arange(15).reshape(5, 3) # 5 rows, 3 columns
>>> res = A[None, ...] * B[..., None]
>>> res
array([[[  0,   0,   0,   0],
        [  4,   5,   6,   7],
        [ 16,  18,  20,  22]],

       [[  0,   3,   6,   9],
        [ 16,  20,  24,  28],
        [ 40,  45,  50,  55]],

       [[  0,   6,  12,  18],
        [ 28,  35,  42,  49],
        [ 64,  72,  80,  88]],

       [[  0,   9,  18,  27],
        [ 40,  50,  60,  70],
        [ 88,  99, 110, 121]],

       [[  0,  12,  24,  36],
        [ 52,  65,  78,  91],
        [112, 126, 140, 154]]])

结果的形状为(5, 3, 4)，如果您想要不同的形状，可以轻松移动轴。例如，使用np.moveaxis：

>>> np.moveaxis(res, (0, 1, 2), (2, 0, 1))  # 0 -> 2 ; 1 -> 0, 2 -> 1
array([[[  0,   0,   0,   0,   0],
        [  0,   3,   6,   9,  12],
        [  0,   6,  12,  18,  24],
        [  0,   9,  18,  27,  36]],

       [[  4,  16,  28,  40,  52],
        [  5,  20,  35,  50,  65],
        [  6,  24,  42,  60,  78],
        [  7,  28,  49,  70,  91]],

       [[ 16,  40,  64,  88, 112],
        [ 18,  45,  72,  99, 126],
        [ 20,  50,  80, 110, 140],
        [ 22,  55,  88, 121, 154]]])

形状为(3, 4, 5)。

NumPy中是否有分层广播？

2 个答案: