Question

我在使用广播减法时遇到麻烦。我的问题如下。我有一个形状为x的数组[L,N]，其中L是整数，而N是问题的变量数。我需要计算一个[L,N,N]数组，其中每个元素l,i,j都包含x[l,i]-x[l,j]。如果L = 1，则相当于进行减法广播：x-x.T

例如在这里L = 1和N = 3：

import numpy as np
x = np.array([[0,2,4]])
x-x.T

但是，如果将维度L增加，则情况将变得更加复杂，并进入np.einsum函数的领域。因此，在L = 2的情况下，我尝试重新创建示例，在该示例中我复制了两行。我期望得到的是一个2x3x3数组，其中包含两个3x3矩阵且元素相等。

x = np.array([[0,2,4],[0,2,4]])
n = 3
k = 2
X = np.zeros([k,n,n])
for l in range(k):
    for i in range(n):
        for j in range(n):
            X[l,i,j] = x[l,i]-x[l,j]
print(X)

返回

[[[ 0. -2. -4.]
[ 2.  0. -2.]
[ 4.  2.  0.]]

[[ 0.  -2. -4.]
[2.  0. -2.]
[ 4.  2.  0.]]]

但是如何用numpy einsum做到这一点？我只能获得该产品：

np.einsum('ki,kj->kij',x,-x)

是否有一些具体的示例，这些示例包括尺寸增大的numpy批量减法或加法运算？

使用numpy einsum进行高维减法广播

0 个答案: