Question

假设您具有以下一维数组：

array([1,2,3,4,5])

我想在每个数字组合（例如加法，减法等）之间执行不同（简单）的计算，从而得出矩阵类型的输出（不重复），即对于上述数组，输出应为如果我们想计算成对差异，则如下所示：

array([0,-,-,-,-],            
      [1,0,-,-,-],
      [2,1,0,-,-],
      [3,2,1,0,-],
      [4,3,2,1,0])

当然可以用蛮力将两个for循环一起使用，但我觉得有更好的方法，我似乎找不到正确的方法。

Answer 1

利用numpy广播计算成对差异。这样就不需要循环。为此，必须在同一数组的行向量和列向量之间进行操作。

import numpy as np
x = np.arange(1,6, dtype=np.float)

# x[:,None] adds a second axis to the array
mat = x[:,None]-x

这将产生：

array([[ 0., -1., -2., -3., -4.],
       [ 1.,  0., -1., -2., -3.],
       [ 2.,  1.,  0., -1., -2.],
       [ 3.,  2.,  1.,  0., -1.],
       [ 4.,  3.,  2.,  1.,  0.]])

Answer 2

对于感兴趣的人，我设法使用了scikit-learn的pairwise_distances找到了解决方案。默认情况下，这将只计算任何一对之间的绝对距离，但是可以提供一个自定义函数，该函数带有两个参数，即一对中的两个数字，以进行更精细的计算。一维阵列将需要稍作调整。

from sklearn.metrics import pairwise_distances

def custom_calc(x,y):
    return (y-x)

a = np.array([1,2,3,4,5])
matrix = pairwise_distances(a.reshape(-1,1), metric=custom_calc)

matrix如下所示：

array([[0., 1., 2., 3., 4.],
       [1., 0., 1., 2., 3.],
       [2., 1., 0., 1., 2.],
       [3., 2., 1., 0., 1.],
       [4., 3., 2., 1., 0.]])

具有矩阵输出的一维数组的成对计算

2 个答案: