两个numpy数组的平均差异

Question

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。

Answer 1

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))

Answer 2

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))

Answer 3

如果你在相反的轴上平铺，那么你可以abs差异：

代码：

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))

测试代码：

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))

结果：

3.48
3.48