我有两个一维NumPy数组X
和Y
。我需要计算X
的每个元素与Y
的每个元素之间的平均绝对差值。天真的方法是使用嵌套的for
循环:
import numpy as np
np.random.seed(1)
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)
s = 0
for x in X:
for y in Y:
s += abs(x - y)
mean = s / (X.size * Y.size)
#3.4399999999999999
问题: NumPy是否提供此解决方案的矢量化,更快版本?
编辑:我需要平均绝对差异(总是非负面)。对不起,感到困惑。
答案 0 :(得分:4)
如果我正确理解你的定义是什么,你可以使用广播。
np.mean(np.abs(X[:, None] - Y))
答案 1 :(得分:1)
一种方法是:
diff = X - Y
abs_diff = np.abs(diff)
mean_diff = np.sum(abs_diff) / (X.size * Y.size)
或更规范:
np.mean(X - Y)
采取绝对差异:
np.mean(np.abs(X - Y))
答案 2 :(得分:1)
如果你在相反的轴上平铺,那么你可以abs
差异:
x = np.tile(X, (X.size, 1))
y = np.transpose(np.tile(Y, (Y.size, 1)))
mean_diff = np.sum(np.abs(x-y)) / (X.size * Y.size))
import numpy as np
X = np.random.randint(10, size=10)
Y = np.random.randint(10, size=10)
s = 0
for x in X:
for y in Y:
s += abs(x - y)
mean = s / (X.size * Y.size)
print(mean)
x = np.tile(X, (X.size, 1))
y = np.transpose(np.tile(Y, (Y.size, 1)))
print(np.sum(np.abs(x-y)) / (X.size * Y.size))
3.48
3.48